BriefGPT - AI 论文速递
·
Beyond Model Adaptation at Test Time: A Survey
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究探讨了机器学习算法在测试样本分布偏离训练样本分布时的挑战，提出了一种新的测试时适应学习范式，结合领域适应与领域泛化的优点。通过回顾400多篇论文，分类现有方法并分析其有效性，展望未来研究机会。
🎯
关键要点
-
机器学习算法在测试样本分布偏离训练样本分布时面临挑战。
-
提出了一种新的测试时适应学习范式，结合领域适应与领域泛化的优点。
-
通过回顾400多篇论文，现有方法被分类为五个类别。
-
深入分析了现有方法在分布变化评估及实际应用中的有效性。
-
展望了测试时适应的未来研究机会。
➡️
