本研究提出了一种低功耗在线适应框架，通过动态调整发射阈值，增强脉冲神经网络（SNNs）对分布变化的鲁棒性，具有重要的设计启示。

本研究针对元强化学习在多任务优化中的瓶颈，提出了一种简单且可扩展的方法，解决了因任务回报尺度不均导致的训练损失不平衡问题。该方法在不同环境中取得了显著进展，推动了在线多任务适应和记忆问题的解决。

我们提出了一种在视频处理中引入测试时适应性的框架，将其整合到迭代扩散反转过程中。训练阶段使用基于扩散的网络和新的时间噪声模型，推理阶段通过扩散管道自校准进行在线适应。实验表明，该方法在恢复受天气影响的视频方面优于现有技术，并在合成和实际视频中对未知天气条件表现出色。