用于持续测试时适应的可靠性门控源锚定
机器学习
2026-05-20 v2
摘要
持续测试时适应（CTTA）在无标签、非平稳数据流上在线更新预训练模型，同时将其锚定到一个冻结的源检查点。仅当源保持可靠时，此锚定才有用。然而，在 CCC-Hard 上，ResNet-50 源模型的 top- 准确率降至约 ，而现有的源锚定 CTTA 方法却继续施加相同的锚定强度。我们将此失败模式称为盲目锚定，并提出 RMemSafe，这是 ROID 的一个可靠性门控扩展，它使用冻结源的归一化预测熵来衰减目标函数中所有显式的源耦合使用。当源后验趋于均匀时，门控关闭：源锚定和一致性过滤器消失，目标函数退化为与源无关的回退机制，包含 ROID 的基础损失和边缘校准。结合 ASR，RMemSafe 在 个匹配划分的持续损坏单元中的 个上实现了最低误差，并在所有 个单元上都是最佳的基于重置的方法，在 ResNet-50 上比 ROID+ASR 提升了 ~pp，在 ViT-B/16 上提升了 ~pp。一项受控的源退化扫描表明，其损害斜率比 ROID+ASR 浅 ，与优雅衰减预测一致。熵门控检测的是高熵的源崩溃，而非自信但错误的低熵源；这一适用范围已被明确评估和讨论。
引用
@article{arxiv.2605.14063,
title = {Reliability-Gated Source Anchoring for Continual Test-Time Adaptation},
author = {Vikash Singh and Debargha Ganguly and Weicong Chen and Sabyasachi Sahoo and Sreehari Sankar and Biyao Zhang and Mohsen Hariri and Shouren Wang and Osama Zafar and Christian Gagné and Vipin Chaudhary},
journal= {arXiv preprint arXiv:2605.14063},
year = {2026}
}