跳到主要内容
检索

# 测试时自适应

10 篇关联报道

订阅更新
  1. arXiv

    世界模型测试时适应不再只拟合预测:OpTTA加入乐观规划项,15个偏移设置中14个最终成功率高于AdaJEPA

    预训练潜世界模型在测试时通常保持冻结,分布偏移会让基于它的规划变差;只按预测损失在线更新,模型只拟合自己已执行动作的结果,对能到达目标的动作仍可能判断错误。OpTTA在预测损失之外加入规划器对候选想象轨迹的目标到达代价,让适应偏向“乐观”的模型参数。在三个JEPA世界模型、15个视觉与环境偏移设置上,只适应预测器时OpTTA相对冻结模型的最终成功率平均提高13.5个百分点,预测-only的AdaJEPA为6.9个百分点;同时适应编码器时为13.5对7.5个百分点。

  2. arXiv

    冻结世界模型不必重训:Library of Hands 只校准“手”,手变化并回归时成功率从28.6%升到62.3%

    相机移动或控制器更换后,同一条指令会让机器人朝不同方向、以不同幅度运动,而冻结的世界模型仍按训练时的指令约定规划,于是规划全落在错误的动作坐标系里。Library of Hands(LoH)不训练、不改动世界模型,只用冻结的预测器从相邻两帧图像反推实际执行的动作,据此估计“指令到实际动作”的映射,并把识别过的映射存入库中以便复用。在闭环测试中,当“手”变化并反复出现时,LoH 把冻结规划器的成功率从 28.6% 提高到 62.3%,而在手不变时只损失 0.6 个百分点。

  3. arXiv

    智能体强化学习后置信度会失准:StaR-TTA用轨迹稳定性重排,四个问答集平均AUROC达0.7208

    智能体强化学习会改变大模型的推理轨迹,使在基座模型上训练的轨迹型置信度估计器明显失准。StaR-TTA把轨迹稳定性当作无需正确性标签的可靠性信号:先在带标签的基座轨迹上学习稳定性与正确性的关系,测试时用无标签强化学习轨迹的稳定性排序校正置信度。在四个问答基准上,它的平均AUROC为0.7208,并在未见数据集、不同模型家族与规模、PPO和GRPO两种强化学习算法下保持改进。

  4. arXiv

    仅用输入查询条件化的分布型超网络预测 LoRA 权重更新,均值即超越确定性超网络,采样权重更新实现新的测试时扩展

    该工作研究仅以 LLM 输入查询为条件信号的超网络来估计 LoRA,并提出分布型超网络,通过可微蒙特卡洛近似的端到端损失输出 LoRA 上的分布;结果显示即使只用所学分布的均值也能超越确定性超网络,且对权重更新采样可形成不同于 token 采样的测试时扩展,样本越多性能越好并强于对应的 token 采样基线,生成的更新还能跨查询迁移。

  5. arXiv

    MAGEFormer将体素间距嵌入位置编码与注意力,在BTCV与FLARE 22各向异性腹部CT分割上取得最低HD95

    作者提出MAGEFormer,把物理间距约束嵌入表示学习:用MASE按体素间距校准位置频率、用GCA抑制物理上不合理的跨尺度特征关联、用GVV在推理时做确定性亚体素视图聚合;在BTCV与FLARE 22统一5折协议下,其边界精度在对比方法中最优(HD95分别为10.58 mm与3.40 mm),Dice也一致提升,且各向异性越强优势越大。

  6. arXiv

    WISE-ATTA 把主动测试时适应的监督预算从“标哪张”转向“何时标”,在 ImageNet-C/R/K/A 上以更少标签取得更低误差

    该工作提出“预算化主动测试时适应”(budgeted ATTA)设定,即长测试流中只有一部分批次可获得标签,并给出 WISE-ATTA:用在线轻量信号(低熵预测占比)配合滑动历史分位数与预算“欠账”控制器决定何时请求监督,再用相对 EMA 锚模型的预测漂移挑选单个样本标注;在 ImageNet-C 的 CTTA/FTTA 与 ImageNet-R/K/A 上,它以每批 1 个标签达到或优于近期 ATTA 方法,并报告最多减少 50% 标签。

  7. arXiv

    BiasRecon 用不到 100 个可调参数在跨解剖、跨中心、跨模态 MRI 重建中取得最优 PSNR

    该工作提出 BiasRecon,一个基于“最小干预”原则的偏置校准自适应框架,通过交替优化频率引导的先验校准(在 U-Net 各跳跃连接层用可学习标量 α、β 调制低/高频分量,仅引入 2L 个参数)、基于分数的去噪以及用 Stein 无偏风险估计(SURE)自适应调节正则化参数 γ,在 FastMRI 膝(训练集,973 个体积)上训练后直接迁移到 FastMRI-Brain(跨解剖)、Stanford Knee(跨中心)和 CMRxRecon(组合偏移)三个开放世界测试集,在 8× 高斯一维欠采样下分别比 DDS 提升 +1.19 dB、+2.06 dB、+1.60 dB PSNR,并在 12 项采样/加速设置中 10 项最优。

  8. arXiv

    HD-TTA 用「压缩还是膨胀」的竞争假设选择,在跨域脑肿瘤分割中把 HD95 降低约 6.4 mm、精度提升超 4%

    该工作提出假设驱动的测试时自适应框架 HD-TTA:在冻结 nnU-Net v2 主干、仅优化测试样本 logits 的前提下,先用 Gatekeeper 判断样本是否需要修正,再并行生成「压缩去噪」与「膨胀恢复」两个几何假设,并用基于纹理一致性的表示引导选择器挑选最安全结果;在 BraTS 2023 GLI 上训练、在儿科 PED 与脑膜瘤 MEN 两个未见目标域上以固定超参数评估,HD-TTA 在保持 Dice 相当的同时改善了安全性指标,在 MEN 上相对最强基线 TCA 将 HD95 从 70.96 mm 降至 64.55 mm(约 6.4 mm),精度从 15.36% 提升至 19.64%。

  9. VesselSim 仅用合成血管数据训练 3D 分割模型,在脑与肾等真实 MR/CT 上零样本达到与血管分割基础模型相当的表现

    VesselSim 提出一个两阶段框架用于通用 3D 血管分割:先用随机、几何驱动的血管模拟(递归分支、曲率控制生长、碰撞感知拓扑)配合域随机化强度合成生成 16,500 个解剖上合理的 3D 血管造影体,仅用这些合成数据训练一个 3D U-Net,并在推理时通过自监督掩膜重建解码器进行测试时自适应,从而在无需真实标注数据的情况下,于覆盖脑、肾等多个解剖区域、跨 MR 与 CT 的多个真实数据集上以零样本方式取得与当前最先进血管分割基础模型相当的性能。

  10. SurgDepth:面向手术场景理解的深度基础模型测试时自适应

    该工作提出 SurgDepth,一种无需任何标注手术数据的测试时自适应框架,通过立体光度一致性与翻转等变性两种自监督信号、选择性解码器自适应以及进度感知锚点正则化和低照度序列结构信任保护两项免调参可靠性机制,将自然图像预训练的深度基础模型适配到内窥镜手术场景;作者报告在立体图像对上 AbsRel 最多降低 63%、无立体时降低 42%,在五个跨域评测设置中改善四个,跨七种基础模型泛化,并在完整标准 Hamlyn 基准上取得所报告方法中最低的 AbsRel(0.128),所有结果均为中值缩放后的相对深度,20 步收敛(0.4 秒)。

已读完全部报道