इस पत्र में, हम परीक्षण-समय प्रशिक्षण (TTT) को बेहतर बनाने के लिए एक नवीन विधि, क्रॉस-टास्क अलाइनमेंट (CTA), प्रस्तावित करते हैं। मौजूदा TTT विधियों के विपरीत, CTA के लिए किसी विशेष मॉडल आर्किटेक्चर की आवश्यकता नहीं होती है, और यह बहु-मोडल कंट्रास्टिव लर्निंग की सफलता से प्रेरित होकर, सुपरवाइज्ड लर्निंग एनकोडर्स को स्व-सुपरवाइज्ड लर्निंग एनकोडर्स के साथ संरेखित करता है। यह प्रक्रिया दोनों मॉडलों के सीखे गए निरूपणों के बीच संरेखण को मज़बूत करती है, जिससे ग्रेडिएंट इंटरफेरेंस का जोखिम कम होता है, स्व-सुपरवाइज्ड लर्निंग की अंतर्निहित मज़बूती बरकरार रहती है, और परीक्षण के समय अधिक सार्थक अपडेट संभव होते हैं। प्रायोगिक परिणाम दर्शाते हैं कि यह कई बेंचमार्क डेटासेट पर अत्याधुनिक तकनीकों की तुलना में मज़बूती और सामान्यीकरण प्रदर्शन में उल्लेखनीय सुधार करता है।
