En este artículo, proponemos un nuevo método de aprendizaje en tiempo de prueba (TTT), Sincronización de Tareas para Entrenamiento en Tiempo de Prueba (S4T), para resolver el problema de generalización de redes neuronales con cambios de dominio en situaciones donde se deben realizar múltiples tareas. Descubrimos que los métodos TTT existentes presentan el problema de comportamientos asincrónicos de tareas, en los que los pasos de adaptación para un rendimiento óptimo en múltiples tareas no coinciden. La idea central de S4T es predecir las relaciones entre las tareas con los cambios de dominio y sincronizar las tareas durante el tiempo de prueba. Demostramos experimentalmente que supera a los métodos TTT existentes en diversas pruebas de rendimiento.
