본 논문은 예측 모델 배포 시 발생하는 테스트 시점 데이터 이동 문제를 해결하기 위해 테스트 시점 적응(TTA) 방법과 위험 모니터링 프레임워크를 결합한 새로운 접근 방식을 제안합니다. TTA는 레이블 없는 테스트 데이터만을 사용하여 배포된 모델을 지속적으로 적응시키는 방법이지만, 모델 성능이 저하되어 재훈련이 필요한 시점을 감지하는 것은 어렵습니다. 따라서 본 논문에서는 순차적 검정과 신뢰 구간 기반의 기존 모니터링 도구를 확장하여, 테스트 시점에서 모델이 업데이트되고 성능 지표를 추정하기 위한 테스트 레이블이 없는 시나리오에 적용할 수 있도록 합니다. 이를 통해 TTA에 대한 엄격한 통계적 위험 모니터링을 가능하게 하고, 다양한 데이터셋, 분포 이동 유형 및 TTA 방법에 대한 실험을 통해 제안된 TTA 모니터링 프레임워크의 효과를 보여줍니다.
