WISE-ATTA:在预算受限的主动测试时自适应中何时请求标签
摘要
WISE-ATTA 提出了预算受限的主动测试时自适应(budgeted active test-time adaptation)方法,利用轻量级在线信号和基于漂移的样本选择准则,在测试流上决定何时请求标签。该方法在 ImageNet-C 和 ImageNet-R/K/A 上取得了具有竞争力的结果,同时所需的标注标签数量大幅减少。
查看缓存全文
缓存时间: 2026/09/30 12:16
论文页面 - WISE-ATTA:在预算受限的主动测试时自适应中何时请求标注
来源:https://huggingface.co/papers/2609.37687
摘要
主动测试时自适应(Active test-time adaptation, ATTA)通过在推理过程中更新已部署的模型,并选择性地查询监督信号,从而在分布偏移下提升模型的鲁棒性。然而,现有的大多数 ATTA 方法隐式地假设可以对每一个传入的测试批次请求监督标注,这在长测试流上会带来巨大的标注成本。在这项工作中,我们提出了预算受限的 ATTA(budgeted ATTA),其中只有少数测试批次可以获取标注。这一设定将核心挑战从“如何在一个批次内决定标注哪些样本“转变为“如何在时间维度上决定何时施加监督“。为应对这一挑战,我们提出了一种预算感知的方法 WISE-ATTA,它基于在线计算的轻量级信号在测试流上分配监督预算,优先选择监督最可能发挥作用的时段。当某个批次被选中接受监督时,我们进一步采用一种基于漂移的样本筛选准则,针对那些表现出持续、尚未收敛的自适应动态的样本,从而能够仅从单个标注样本中实现有效的模型更新。我们在合成失真数据集(ImageNet-C)和自然分布偏移数据集(ImageNet-R/K/A)上对该方法进行了评估。在所有设定下,相比近期的 ATTA 方法,WISE-ATTA 取得了相当或更优的性能,同时所需的标注数量大幅减少。总体而言,我们发现监督施加的时机是主动测试时自适应中一个关键但尚未被充分探索的方面。
代码:https://github.com/Muhammad-Huzaifaa/WISE-ATTA
查看 arXiv 页面(https://arxiv.org/abs/2609.37687) 查看 PDF(https://arxiv.org/pdf/2609.37687) GitHub 3(https://github.com/Muhammad-Huzaifaa/WISE-ATTA) 添加到收藏夹(https://huggingface.co/login?next=%2Fpapers%2F2609.37687)
在你的 agent 中获取这篇论文:
hf papers read 2609.37687
还没有最新的 CLI?curl -LsSf https://hf.co/cli/install.sh | bash
引用本文的模型 0
没有模型关联到这篇论文
在模型 README.md 中引用 arxiv.org/abs/2609.37687,即可从本页面链接到该模型。
引用本文的数据集 0
没有数据集关联到这篇论文
在数据集 README.md 中引用 arxiv.org/abs/2609.37687,即可从本页面链接到该数据集。
引用本文的 Space 0
没有 Space 关联到这篇论文
在 Space README.md 中引用 arxiv.org/abs/2609.37687,即可从本页面链接到该 Space。
包含本文的收藏夹 0
没有收藏夹包含这篇论文
将本文添加到收藏夹(https://huggingface.co/new-collection),即可从本页面链接到该收藏夹。
相似文章
BP-TTA: 动态场景下基于平衡与原型指导的测试时自适应
提出BP-TTA,一种通过结合批次平衡采样与原型指导约束来处理类别不平衡和持续域偏移的测试时自适应方法,在动态流式场景中实现了最先进的性能。
AdaStop:面向DNN测试选择的成本感知提前停止策略
AdaStop是一个用于DNN测试选择的成本感知提前停止框架,当边际故障发现率低于阈值时,它最优地停止标注,仅使用9%-31%的标注预算就能实现65%-84%的故障发现。
REFIT:无需标签即可识别、修正并测试可穿戴传感器放置偏移
REFIT 提出了一种面向冻结活动识别模型的无标签输入校准方法,通过拟合坐标轴变换族以匹配训练统计数据,从而纠正可穿戴传感器的放置偏移(例如更换佩戴手腕或重新绑紧腕带),在无需重新训练的情况下,性能优于现有的测试时自适应方法。
击中移动目标:持续分布漂移下AI文本检测的测试时自适应
本文提出了一种基于半监督学习的测试时自适应方法,用于AI文本检测,能够适应来自新LLM、对抗性人工化和时间漂移的持续分布变化,性能优于最先进的监督式检测器。
RE-AD:数据标注的实时需求遵循
介绍RE-AD框架,该框架利用LLMs实时验证数据标注质量,在生产环境中实现了82%的错误接受与修复率。