本研究综述了在线测试时间适应（OTTA）的全貌，重点研究机器学习模型在新数据分布上的适应能力。研究结果表明，变换器对不同领域转换具有高度弹性，OTTA方法的功效取决于批次大小和优化的稳定性。指出了未来研究的有希望的方向。