标签
SkillShift-Bench 首次提出了一个基准，用于评估网页智能体在受控开放环境变化（上下文、感知和执行层面）下的技能学习，揭示了鲁棒性的系统性下降，并提出一种测试时自适应方法，无需重新学习即可改善环境变化后的技能执行表现。
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。
论文提出 Test-Time Memory Evolution（TTME，测试时记忆演化），一种即插即用的测试时适应方法，通过持续更新外部记忆来指导科学发现，而无需更新模型权重。实验表明，TTME 在五个数学任务上全面优于测试时训练（TTT），同时将浮点运算量（FLOPs）降低 82.8–84.6%，运行时间缩短 47.7–58.4%。
论文提出了测试时记忆演化（TTME），一种通过持续更新外部记忆而非模型权重来实现测试时自适应的方法。该方法在五个数学任务上的表现优于测试时训练（TTT），同时将浮点运算量（FLOPs）降低了 82.8-84.6%，将运行时间缩短了 47.7-58.4%。
CF-NODE 提出了一种基于反事实空间节点干预的测试时间自适应框架，用于跨域糖尿病视网膜病变分级，在五个外部数据集上显著优于 TENT、EATA、SAR 和 T3A 等方法。
该论文提出 Error Feedback Calibration（EFC），一种完全测试时的确定性后处理校正框架，通过 Causal Error Diagonal 与 Cumulative Error Transport 将已揭示的预测误差转化为对未来预测的因果校正，从而在多种时序预测骨干和数据集上提升性能并抑制过度校正。
AdaExploreBench 提出了一个基准测试，用于检验LLM智能体能否主动发现隐藏的环境规则并适应未经通知的规则漂移；对八个领先LLM的实验表明，当前模型在获取相关证据和检测过时知识方面存在困难。
本文提出了 Energy Ring，一种通过稳定已知类别与未知类别之间的能量差距来实现可靠测试时发现的方法。该方法使用轻量级适配器扩大基于范数的差距，并利用扰动一致性模块形成紧凑的未知类别簇。
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。
CMU 论文提出 "harness learning"：用 RL 训练的提议者模型根据执行反馈修改智能体的可执行 harness，而不改动求解器权重，从而实现跨未见任务的可泛化测试时适配，4B 提议者模型表现超过其 35B 教师模型。
InterEvolve 引入了面向人形机器人移动操作的奖励程序测试时进化方法，利用物体感知的前向-行为（FB）基础模型以及在上下文中修订分阶段奖励程序的 LLM 智能体，来解锁未训练过的技能，并将进化后的行为自主部署在实体 Unitree G1 机器人上。
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。
本文介绍了MASA方法，该方法使用冻结的多模态大型语言模型，通过提供结构化语义描述来打破野外测试时适应中的自指循环，实现更可靠的适应。
本文提出TASCO，一个用于LLMs测试时自适应的框架，它将局部稳定性融入基于置信度的优化中，以提高推理准确性和令牌效率，同时无需更新模型参数。
CASTER引入了一种无梯度的测试时适应方法，适用于冻结模型。它使用仿射统计迁移和一个证书来决定何时应用适应，从而在不更新模型的情况下提升性能。
Safin-1 提出了一种记忆路由架构，将安全作为基础模型中的内部演进状态嵌入，无需外部约束即可实现自适应安全改进。
PETA提出了一种参数高效的框架，用于虚拟筛选中的测试时自适应，仅在推理时更新LayerNorm参数以提高性能。
本文提出了一种名为ReNC的开放世界测试时适应方法，该方法利用神经坍缩作为结构先验来过滤分布外样本并优化原型，以实现可靠的模型适应。
PRISM是一种无需训练的测试时适应方法，利用冻结的文本原型逆转音频文本模型中的低秩仿射噪声失真，在严重声学噪声下显示显著改进。