CARe：面向视觉语言模型测试时自适应的协方差感知评分方法

研究者提出 CARe 方法，利用目标特征二阶矩诱导的马氏几何替换常见的余弦相似度评分，以解决各向异性特征分布下的自适应问题。 理论上，在共享协方差高斯模型下，CARe 的决策方向与贝叶斯最优线性判别一致；实验中，该方法在两个骨干网络的标准及细粒度分布偏移基准上均提升了 CLIP 的自适应准确率。 增益在特征各向异性强的数据集上最显著，随各向同性增加而消失；论文已提交 ICLR 2027 评审。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。