热点事件持续更新
GAIN：增益引导的持续测试时适应框架
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
GAIN 是一种无需反向传播的持续测试时自适应框架，遵循“历史提议、增益决策”原则控制修正强度。在 ImageNet-C 上达到 61.9% 准确率，接近源模型校准水平；运行速度比代表性优化基线快 15.9 倍，无需存储样本或回放，在五个基准上实现了准确度、校准度与效率的平衡。
AI 根据报道生成 · 2 小时前更新
最新进展9月30日 12:00
arXiv 发布 GAIN 框架，在 ImageNet-C 上达 61.9% 准确率且速度提升 15.9 倍。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · Computer VisionNot Every Correction Helps: Gain-Guided Continual Test-Time Adaptation
GAIN 是一种无需反向传播的持续测试时自适应框架，通过"历史提议、增益决策"原则控制修正强度，在 ImageNet-C 上达到 61.9% 准确率且接近源模型校准水平。该方法运行速度比代表性优化基线快 15.9 倍，无需存储样本或回放，在五个基准上实现了准确度、校准度与效率的平衡。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。