实体
Test-Time Discovery
Test-Time Discovery
PulseAugur coverage of Test-Time Discovery — every cluster mentioning Test-Time Discovery across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的SEGA框架使用LLM进行可解释的AI测试时发现
研究人员推出了一种新颖的测试时发现（TTD）框架SEGA，该框架利用大型语言模型为新识别的类别提供可解释的标签。与分配匿名标签的先前方法不同，SEGA为已知类别生成富含属性的描述，并采用关系语义基础（RSG）来解释未知样本。RSG将新数据与相似和不相似的已知类别锚点进行基础化，提示LLM提出候选概念，然后这些概念在一个学习到的语义空间中进行排名。这种方法旨在通过将匿名集群转化为具有语义意义的概念来增强TTD，从而提高开放世界应用程序的性能。
-
Energy Ring 方法增强了 AI 模型在测试时的发现能力
研究人员推出了一种名为“Energy Ring”的新型测试时发现（TTD）方法，旨在提高已部署模型识别已知和新类别的可靠性。现有的 TTD 方法在区分已知和未知特征方面存在困难，导致性能下降。Energy Ring 通过一个将类别锚定在不同能量环上的系统，利用轻量级适配器和扰动一致性模块来保持不同的类别表示，从而稳定了类别之间的能量差距。该方法提高了预测准确性，并纠正了测试时适应过程中的不可靠更新，与当前的 TTD 技术相比，性能有了显著提升。