标签
提出在分布漂移下进行在线模型测试的方法学，通过区分人口变化与数据完整性问题两种漂移机制，在受控基线上复现漂移以估计模型当前性能，并评估修复数据完整性问题的潜在收益。
提出双分支校准模块（DBCM），通过共享适配器与低秩通道适配器的双分支设计，在时序预测的测试时自适应中处理非平稳分布偏移，并在多个数据集、预测跨度和骨干模型上超越现有方法。
本文识别出一种名为“同策略审计崩塌”的失效模式：在改进后策略产生的数据上，依据完整结果标签更新组件验证器，会导致审计系统性地偏好更差的验证器。作者推导了精确的反转阈值，并提出通过在更新分布中保留对验证器自身失效样本的支持来修复审计。
本文识别并形式化了“推理时模型偏移”——一种由量化、温度等推理配置的变化而非数据分布变化引起的共形分数分布变化——并通过对8个语言模型和4个有限标签基准的研究表明，这种偏移会破坏分割共形预测的可交换性假设，并导致对部署时覆盖率的高估。
RoboCasa-Shift 提出一个基于 RoboCasa365 的阶段感知鲁棒性基准，通过配对执行轨迹与受控扰动评估视觉-语言-动作（VLA）策略在长程家务操作任务中的表现，发现失败模式随扰动因子和任务而异，并非均匀退化，主张鲁棒性应作为执行的多维属性而非单一端到端指标衡量。
INCONVENIENT 是一个用于评估大语言模型在便利抽样偏差下泛化能力的基准。它通过对训练分布中的特征与目标关系进行可控扰动，涵盖 200 个表格数据集，并生成约 15,500 个偏移训练分布，揭示了真实部署场景中的性能退化问题。
提出 MED3pa + Detectron 的统一诊断流程，通过定位低置信度患者子群并检测有害协变量偏移，来评估临床预测模型的可靠性；在 MIMIC-IV 三个临床任务上验证了局部偏移检测的价值。
ACEdit 提出一种结合自强制（Self-Forcing）训练、教师蒸馏与非对称条件化的方案，使多轮图像编辑在累积分布偏移下保持稳定，显著降低长序列编辑中的质量退化。
该论文提出 REASON 双循环推理框架，通过快速（System 1 式）和中速（System 2 式）循环分层解决残差误差，在分布偏移和未见扰动下以约一半计算量显著提升模型鲁棒性，并优于分级分类器和学习延迟方法。
本文提出了“对齐–效用不对称性”这一概念，指出当大语言模型适应基于规则、不改变语义的输入变换（例如字母置换）时，任务效用基本得以保留，但有害回应率却急剧飙升——例如 GPT-4.1 mini 从 13.3% 升至 74.3%，Gemini 3 Flash 从 2.3% 升至 43.0%。这表明安全对齐无法随语义一起泛化。
本文系统评估了LLM在时间与事件表达抽取任务中跨四个维度——领域偏移、对抗性扰动、组合性以及长度增加——的泛化表现。研究发现，归纳式提示（inductive prompting）的泛化最为一致，而来自规模、架构以及其他提示策略的收益则并不均衡，且具有明显的维度特异性。
该论文提出 OTROPE，一种面向大语言模型的免似然函数离线策略评估方法。它利用最优传输，在语义空间中将有限的人工标注行为策略样本与无标注目标策略样本进行对齐，从而构建出一种双重稳健式的评估器，在分布偏移条件下优于各类基线方法。
这篇立场文章主张，离线强化学习应当从学习静态的部署策略，转向学习能够通过后续在线交互不断改进的自适应策略先验。作者提出了名为自适应离线强化学习（Adaptive Offline RL, AORL）的框架，并强调贝叶斯离线强化学习是保留认知不确定性的一种有原则的方法。
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。
本文提出了一种用于图神经网络的变分贝叶斯最后层方法，以在分布偏移下进行在线节点分类，与基线相比，在准确性和不确定性校准方面表现优异。
本文比较了XGBoost和RoBERTa-LoRA在相同数据集、跨数据集迁移和对抗性规避三个轴上的网络入侵检测性能，表明不存在通用的优胜者，性能取决于评估条件。
本文介绍了PLSP这一用于分布外预测的先验框架，利用可信度度量来增强机器学习模型的可靠性。
本文提出了一种用于无标记-无标记学习的重要性加权方法，以适应分布偏移，适用于各种弱监督问题，且无需对偏移类型做出假设。
RankShift是一种新型的数据库内方法，用于检测和解释数据流中的分类偏移，使用Pearson分数来识别责任类别，并在日志数据集上显示出与自动编码器相竞争的性能。
本文提出 D^CF5 诊断工具，用于预测分布偏移下回归任务动态集成中逐区域的增益变化，经多数据集验证其预测结果具有高度相关性。