Gaussian Risk Admission

新的RADC方法增强了视觉语言测试时自适应

研究人员推出了一种新颖的风险感知双缓存方法RADC，用于视觉语言测试时自适应。该方法旨在通过增强原型学习和可靠地管理双缓存来克服现有基于缓存的TTA的局限性。RADC包含一个语义前景缓存，用于捕获类别一致的空间证据，以及一个高斯风险准入模型，用于根据类别分离和特征不确定性来优先选择可靠的缓存候选。实验表明，RADC在各种基准测试中取得了最先进的性能。