arXiv cs.AI· Tianle Liu, Gongbo Cheng, Chenggong Ni, Minming Gu, Tao Zhou, Fuyuan Hu, Fan Lyu·· 3 天前AI 评分22
SEGA：用关系语义锚定实现测试时发现
Relational Semantic Grounding for Test-Time Discovery
AI 导读
研究者提出 SEGA 框架，利用大语言模型为已知类生成属性丰富的描述，并在训练中构建属性锚定的视觉-语义空间。测试时通过 Relational Semantic Grounding（RSG）用相似与不相似的已知类锚点定位未知样本，让 LLM 生成候选概念并在语义空间中重排序，再以置信度引导做测试时语义稳定化。该方法将匿名测试时聚类转化为可解释的语义概念，在 TTD 基线上取得提升。
正文 · AI 翻译
摘要：测试时发现（TTD）旨在从部署后连续的无标签测试流中识别已知类别并检测新类别。现有的 TTD 方法主要依赖视觉聚类或原型比较，并且只能为发现的类别分配匿名标签，使其在开放世界应用中难以解释。在本文中，我们提出了 SEGA，一个用于 TTD 的基于属性的语义锚定框架。SEGA 利用大语言模型为已知类别生成属性丰富的描述，并在训练期间构建属性锚定的视觉-语义空间。在测试时，我们引入了关系语义锚定（RSG），它使用相似和不相似的已知类别锚点来锚定未知样本，提示 LLM 生成候选概念，并在学习到的语义空间中对其重新排序。所选概念进一步用于置信度引导的测试时语义稳定化。通过将属性级语义对齐与关系概念锚定相结合，SEGA 将匿名的测试时聚类转化为可解释的语义概念。实验表明，SEGA 改进了 TTD 基线，并有望实现开放世界的语义锚定。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.14721 [cs.AI] |
| （或 arXiv:2610.14721v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14721 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tianle Liu [查看电子邮件]
[v1]
2026年10月10日星期六 08:42:16 UTC（2,196 KB）
来源：arXiv cs.AI · arxiv.org