Test-Time Discovery (TTD) 旨在已部署模型在持续的无标签测试流中同时识别已知类别并检测新颖类别。现有方法过于保守，导致已知特征与未知特征在适配过程中相互塌缩，难以区分。我们从能量视角重新审视 TTD，发现已知类与未知类之间的自然能量差 $ΔE$ 不稳定，易于消失。为此提出 Energy Ring，通过将两类锚定在不同的能量环上来稳固该差距。核心包括：
- 轻量适配器：基于范数放大 $ΔE$，同时保持已知类的方向不变；
- 扰动一致性模块：对未知样本施加小扰动，使其在特征空间形成紧凑簇；
- 测试阶段的能量引导置信加权：利用能量值调节预测置信度；
- 稳定性校正机制：检测并修正不可靠的参数更新。
实验在多个公开数据集上对比多种 TTD 基线，Energy Ring 在准确率、召回率和 F1 分数上均实现显著提升。
点评