本文提出了一种新的测试时间适应（TTA）方法，结合标签偏移适应器和主动样本选择准则，显著提升了模型在分布转移中的性能。研究探讨了不同TTA类型及其挑战，并提出了高效抗遗忘的EATA方法，通过实验验证了其在图像分类和语义分割中的有效性。

本研究提出了一种高效的抗遗忘测试时间适应（EATA）方法，通过主动样本选择和Fisher正则化减轻模型遗忘问题。EATA利用校准技术提高预测置信度，并通过差异损失鼓励一致性预测。实验验证了该方法在图像分类和语义分割中的有效性，并指出未来研究方向。