文章总结与翻译一、主要内容该研究聚焦视觉语言模型（VLMs）的无训练测试时自适应问题，针对现有方法过度依赖熵准则、忽略形状敏感和风格不敏感等泛化因子的缺陷，提出了形状和风格引导（SSG）方法。核心背景视觉语言模型（如CLIP）在分布外（OOD）和跨域场景中面临性能下降问题，测试时自适应是缓解该问题的关键技术。现有无训练测试时自适应方法依赖熵准则选择视觉特征和更新缓存，但未充分利用泛化因子，导致模型鲁棒性不足；而需要梯度下降的方法（如提示调优）计算开销大，难以适用于资源受限场景。核心方法扰动预测差异（PPD）设计：通过对测试图像进行形状扰动（图像块洗牌）和风格扰动（颜色仿射变换+色调调整），计算原始图像与扰动图像的预测差异，分别得到形状扰动预测差异（PPD_sh）和风格扰动预测差异（PPD_st），并融合为PPD以量化泛化因子。特征重加权：基于PPD对高置信度视觉特征和预测结果进行重加权，突出形状敏感和风格不敏感因子的作用。缓存更新准则：结合熵和PPD作为缓存更新依据，筛选高置信度且具有强泛化因子的样本存入动态视觉缓存，提升自适应预测性能。实验结果在4个分布外基准数据集（ImageNet-A/V2/R/Sketch）和10个跨