一句话定义：测试时增强（Test-Time Augmentation，TTA）是指模型训练好之后不再动权重，只在推理阶段把同一份输入做多种变换各跑一遍，再把多个结果合并成最终答案。
原理：让同一个模型多看几个角度
想象你要判断一张照片里是不是一只猫。只看原图，模型可能因为猫在角落、光线偏暗而犹豫。但如果同时给它原图、左右镜像图、几个不同位置的裁剪图，每个版本都问一遍，再让它们投票，答案往往更稳。
这就是 TTA 的核心动作：输入变换 → 多次前向 → 结果聚合。图像任务里常见的变换是水平翻转、多尺度缩放、多位置裁剪；文本任务里可能是换几种提示模板或改写问法；语音任务里可能是加轻微噪声、变速。聚合方式则取决于输出形式——分类任务按概率平均或多数投票，检测和分割任务要把坐标变换回原空间再融合。
它的收益来自一个事实：模型的不确定性往往和输入的具体表现形式有关。换个角度，错误不总是重复出现，平均一下就被压掉了。
和相邻概念的区别
| 做法 | 变的是什么 | 要不要重训 | 主要成本 |
|---|---|---|---|
| 训练时数据增强 | 训练样本 | 要（本来就要训） | 训练阶段一次性 |
| TTA | 推理输入的视角 | 不要 | 每次推理翻 N 倍 |
| 模型集成 | 多套模型权重 | 要（得多训几个） | 推理成本 ×模型数 |
| 自一致性采样 | 输出的推理路径 | 不要 | 推理成本 ×采样数 |
一句话：训练时增强是"平时多做题"，模型集成是"多请几个专家"，TTA 是"同一个专家把题目从几个角度看一遍"。另外注意术语撞车——文献里的 TTA 有时指 Test-Time Adaptation（测试时自适应），那是要在推理时更新参数的，和本文说的不改权重是两回事，看论文时得留意。
代价在哪
第一是推理成本。跑 8 个视角就是 8 倍算力，延迟、显存、电费都跟着涨，在线服务里这一条往往直接否决方案。
第二是收益递减甚至为负。模型越强、任务越简单，TTA 涨的那点就越少；如果某个变换改变了语义——把数字"6"翻转成"9"、把文本里的否定词改写掉——投票就会把正确答案拉偏。变换必须在任务的语义不变性范围内。
第三是工程复杂度。要写变换、反向变换、聚合逻辑，还要处理批量调度和结果对齐，调错一处比不用还糟。
对从业者的意义
TTA 是性价比很高的一招，尤其适合比赛、离线批处理、标注质检、医疗或风控这类单次决策代价高的场景。它不提升模型能力上限，只是把已有的不确定性摊平，所以更像"最后一公里"的收尾手段，而不是解决欠拟合的灵丹。
判断要不要上，问三个问题：这个任务的正确答案对哪些变换应该不变？延迟预算允许多跑几遍？现有错误是随机的还是系统性的？前两个答案支持、第三个答案是随机的，TTA 大概率值得试。具体实现和最新做法，以官方文档和原论文为准。