#Test-Time Adaptation

5 篇

From Item Scores to Semantic Tokens: Test-Time Collaborative Adaptation for Generative Recommendation

从物品分数到语义令牌：生成式推荐的测试时协作自适应解码

🧭 生成式推荐 · 测试时协作解码 ★ 深度解读

Shenzhen Technology University · McGill University · Shenzhen University

TCBSA 将判别式分数 margin 投影到语义 ID 共享边并在 beam 剪枝前门控修正，无需重训练即可提升生成式推荐新兴兴趣发现

📌 工作参考价值（4 点）

已有判别式模型（如 SASRec/BERT4Rec/双塔）可以在线提供全量 item score，不需要重训练生成器；把 item score 相对 top-R cutoff 做 margin，再投影到 semantic ID 的 prefix-token 边，就能在 beam search 剪枝前修正路径分数，保护被生成器低估但判别器看好的候选。
工程上预计算 item-to-path 查找表，测试时只算 margin 和聚合，额外成本可控；隐私和延迟敏感场景下，置信度 gate 用 max softmax probability 调节干预强度，避免低置信判别分数扭曲生成偏好。
聚合共享边支持推荐 top-R 之外的 item，说明不需要把生成器的输出空间限制在判别器召回集合内；这对电商中新兴兴趣/长尾商品发现尤其有用。
实验证明同等 beam width 下延迟增加 1.43-1.63x，但 TCBSA beam=20 比原生 TIGER beam=50 精度更高且延迟更低；在预算受限时优先用判别器信号做解码修正，而不是盲目加大 beam。

GenRec | 2026-10-23 | cs.IR | score 8/10

测试时记忆演化能否在科学发现中超越测试时训练？

🧭 测试时记忆演化替代权重更新

UC Santa Barbara · UC Berkeley

提出TTME：不更新权重，通过外部记忆持续沉淀经验指导后续发现，性能优于TTT且算力降八成以上

📌 工作参考价值（4 点）

在电商/广告的 Agentic 搜索、选品/文案迭代场景，可用“外部经验记忆”替代线上微调：把每次 query/候选/收益反馈写入可检索 memory，后续推理时检索相似案例，避免在线权重更新和灾难性遗忘。
具体实现可借鉴 TTME：把成功/失败经验蒸馏成结构化条目（如状态→动作→奖励），用 memory read/write 控制探索；适合低延迟、高吞吐的推荐对话 Agent。
计算成本收益可指导工程：类似 Qwen3-8B 规模下，外部记忆方法比在线训练省 80%+ FLOPs、约一半 runtime，适合边缘/实时决策。
需注意论文在数学发现任务上验证，迁移到业务前应先在自有任务上对比 TTT、无适应和 memory 方案的收益/复杂度。

Training | 2026-10-22 | HF Daily | score 7/10

桥接探索与人格：测试时 Agent 个性化的信息导向对决

🧭 Agent 个性化 · 信息导向 dueling bandit

The Chinese University of Hong Kong, Shenzhen · University of Copenhagen · City University of Hong Kong · East China Normal University

提出 ID-TAP，将信息导向采样与神经 dueling bandit 结合，在十轮二元比较内高效适配 agent persona

📌 工作参考价值（4 点）

在电商客服、推荐理由生成或文案创作等场景，若需要在线选择 persona、话术风格或 prompt 模板，可用成对比较（A/B 偏好）作为轻量反馈信号；相比点击或评分，二元偏好收集成本低且噪声小。
借鉴 BT explorer + 信息导向采样选择 challenger：不要随机探索或纯贪心 exploitation，在固定比较预算（如 10 次）下能显著提升样本效率；该策略可直接嵌入在线文案/推荐理由的风格优选。
对新 query 或新用户冷启动，利用相似度加权 warm start 将历史 query 的比较证据迁移过来，比从零学习更快；电商多 query 场景中 query embedding 相似度即可作为工程上的加权依据。
模型结构上采用 query-conditioned 共享网络：跨 query 共享统计强度，同时保留 query-specific score，能处理 query 条件化偏好，避免全局单模型丢失个性化差异；可作为 prompt/persona 精排器的轻量在线更新模块。

Agent | 2026-10-16 | HF Daily | score 7/10

测试时 AI4AI 中面向 Agent 脚手架设计的元技能学习

🧭 Agent 元技能与执行环境构建 ★ 深度解读

Apodex · University of Illinois Urbana-Champaign

提出通过 Builder 从 Target 执行反馈学习元技能，并物化为脚手架以提升固定权重 Agent 的表现

📌 工作参考价值（4 点）

将“教模型解题”拆成“教构建者设计支持”：用 (when, provide, use) 三字段沉淀执行反馈中的共性失败/负担，而非只蒸馏任务技能；在电商 Agent 工作流中可用于提炼“何时需要价格/库存校验、提供什么工具、谁负责最终判断”的运维原则。
支持要以“可执行脚手架”交付，不要直接把同一批 skill 塞给下游 Agent：让 Builder 把元技能编译成 memory、controller、verification、工具包装等；论文中 Builder 交付比直接给 Target 平均高 12.02 个百分点，说明把语义知识转成持久状态/控制流是收益来源。
同一模型可同时当 Builder 与 Target，不更新权重也能通过“学会给自己搭环境”自改进；适合线上 Agent 系统在 fixed model 下做轻量自举，尤其是反复出现的协调/提交流程。
技能访问默认全量 bank 给 Builder，通常优于 BM25 top-2（本文 5/6 设置全量更好）；当 bank 变大再做考虑互补性的检索，并结合开发集反馈做回滚/选择性保留，避免过拟合。

Agent | 2026-09-29 | cs.LG | score 8/10

通过测试时提示自适应增强视觉-语言模型鲁棒性

🧭 测试时自适应 · 多模态对齐 · 对抗鲁棒性

National University of Singapore · University of Science and Technology of China · The Hong Kong University of Science and Technology

提出分布级最优传输对齐与动态缓存的测试时提示适应方法，大幅提升VLM对抗鲁棒性且无损清洁性能

📌 工作参考价值（4 点）

测试时适应思想可迁移至搜索推荐系统的在线学习：当数据分布因季节、事件或对抗攻击发生偏移，借鉴RITA的分布级对齐而非样本级校正，提升模型鲁棒性。
多模态推荐中视觉与文本特征对齐是关键瓶颈：最优传输（Optimal Transport）的分布匹配方法可直接用于对齐商品图像与标题（或用户评论）的特征空间，缓解语义错位。
动态缓存（dynamic cache）累积可靠测试样本的思路适合电商推荐的高频流式更新：设计信任度阈值，仅将高质量预测样本加入缓存，逐步优化提示或轻量适配器，实现低延迟在线进化。
增强视图（augmented views）保留语义完整性的观察可启发搜索推荐中的“多视图”特征利用：例如同一商品的不同角度、背景，通过分布视角聚合来抵抗图像噪声或恶意对抗样本。

Multimodal | 2026-07-10 | cs.LG | score 6/10