测试时自适应

RADC（Risk-Aware Dual Caching）是一个针对视觉语言模型测试时自适应的风险感知双缓存框架，由语义前景缓存和高斯风险准入两个核心组件构成。

基于缓存的测试时自适应方法无需反向传播、计算开销低，与需要反向传播的梯度类TTA方法（如TTT、TENT）形成对比。

现有缓存式TTA方法多依赖熵来决定样本是否进入缓存，但在表示发生漂移时熵值不能可靠反映样本质量。