في هذا البحث، نقترح تدريب وقت الاختبار (Test-Time Training)، وهو نهج عام لتحسين أداء النماذج التنبؤية عندما تكون بيانات التدريب والاختبار من توزيعات مختلفة. نحول عينة اختبار واحدة غير مصنفة إلى مشكلة تعلم ذاتي، حيث نقوم بتحديث معلمات النموذج قبل إجراء التنبؤ. هذا النهج يمكن أن يُطبق بشكل طبيعي على البيانات في تيار عبر الإنترنت. نهجنا البسيط يؤدي إلى تحسينات في مجموعة متنوعة من مقاييس تصنيف الصور الموجهة لتقييم القدرة على مقاومة تحولات التوزيع.