XiaoMi-AI文件搜索系统
World File Search System有效测试
视觉模型的有效测试时间适应
通过预训练的视觉模型进行测试时间适应，引起了越来越多的关注，以应对测试时间的分离转移。尽管事先实现了非常有前途的性能，但它们会进行密集的计算，这与测试时间适应非常不规则。我们设计了TDA，这是一种无训练的动态适配器，可通过视觉模型进行有效，有效的测试时间适应。tda可与轻巧的键值缓存一起使用，该缓存维持具有很少射击伪标签的dy-namic队列作为值，而相应的测试样本特征则是键。杠杆键值缓存，TDA允许通过渐进式伪标签的细化逐渐调整数据，而逐步测试数据，而不会产生任何反向传播。此外，我们引入了负伪标记，即当模型不确定其伪标签预测时，通过将伪标签分配给某些负类时，可以减轻伪标签噪声的不利影响。在两个基准上进行的广泛实验表明，与最先进的艺术品相比，TDA的实体有效性和效率。该代码已在https：//kdiaaa.github.io/tda/中发布。
量子性有效测试的实验实施
1 加州理工学院量子信息与物质研究所和计算与数学科学系，美国加利福尼亚州帕萨迪纳 91125 2 加州理工学院物理、数学和天文学分部，美国加利福尼亚州帕萨迪纳 91125 3 马里兰大学物理系、电气与计算机工程系联合量子研究所，美国马里兰州帕克城 20742 4 NIST / 马里兰大学量子信息与计算机科学联合中心，美国马里兰州帕克城 20742 5 IonQ, Inc.，美国马里兰州帕克城 20740 6 马里兰大学电气与计算机工程系，美国马里兰州帕克城 20742 7 苏黎世联邦理工学院理论研究所，瑞士苏黎世 CH 8001 8 杜克大学量子中心和物理系，美国北卡罗来纳州达勒姆 27708 9 杜克大学电气与计算机工程系大学，达勒姆，北卡罗来纳州 27708，美国 10 马里兰大学化学物理项目和物理科学与技术研究所，马里兰州帕克分校 20742，美国