研究者提出RADC视觉语言测试时自适应方法

研究者提出一种名为 RADC 的风险感知双缓存方法，用于视觉语言模型的测试时自适应。该方法针对两个问题：全局表示存在背景偏置，以及基于熵的缓存准入不可靠。 RADC 通过语义前景缓存从 CLIP 表示中聚合类别一致的空间证据，生成前景原型以补充全局缓存；同时用高斯风险准入把多视图表示建模为对角高斯分布，结合类间分离度与特征不确定性筛选缓存候选。 据作者称，RADC 在跨域与分布外基准上取得了一致的 SOTA 表现。

AI 根据报道生成 · 8 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。