TADE-AgnosticLT 是一个专注于测试无关的长尾识别项目,通过测试时聚合多样化的专家模型并结合自监督机制,提升在长尾分布数据上的分类性能。该项目旨在解决长尾分布数据中类别不平衡的问题,通过动态聚合多个模型的预测结果,实现在测试阶段的高效识别。