研究人员开发了一种新的无源持续测试时适应（CTTA）方法，该方法根据传入数据的质量动态调整教师模型的动量。该方法旨在通过估计原始源模型的类别原型来对抗模型漂移，以便在目标数据到达时对其进行对齐。该方法不需要访问源数据或其统计信息，并且在广泛的基准实验中证明了其优于现有最先进的适应框架的性能。 AI
影响 这项研究可能导致在数据分布不断变化的现实场景中，AI模型更加健壮和可适应。
排序理由 该集群包含一篇详细介绍持续测试时适应新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
