넓어진 시험 조건
시험 환경이 고정되지 않거나 예시가 시간적으로 관련될 수 있다. 연구는 이런 두 변수를 이용해 여러 온라인 시험 시점 적응 조건을 체계적으로 구분했다.
확신과 다양성의 가중
자기 학습 중 편향이나 단순한 해가 나타나는 문제에 대응하기 위해 확신과 다양성을 가중에 반영한다. 데이터셋과 모델에 특정되지 않은 가중 구성을 제시했다.
원천과 적응 모델의 평균
원천 모델과 적응 모델의 가중치를 지속적으로 평균해 일반화 능력을 유지하려 한다. 여러 영역 변화에서 누적될 수 있는 망각에 대응하는 구성이다.
클래스 사전확률 보정
시험 자료의 클래스 비율이 달라지는 문제에는 적응적 사전확률 보정으로 예측을 재가중한다. 연구는 다양한 설정과 데이터셋 및 모델에서 세 구성의 결합을 평가했다.
관련 문서
DELTA 시험 시점 적응 / NOTE 시험 시점 적응 / RoTTA / CoTTA / EATA 시험 시점 적응 / EcoTTA