待验证50% 置信事实精确时间
域适应研究如何将源域上训练的模型迁移到分布不同的目标域，医疗场景中常表现为跨医院、跨设备或跨人群迁移。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
待验证域偏移是指训练数据分布与实际部署场景数据分布之间的系统性差异，是迁移学习和AI工程落地的核心挑战之一78% 相似待验证域适应（Domain Adaptation）的核心目标是让在源域上训练的模型能够良好泛化到分布不同的目标域76% 相似待验证在医学影像任务标注数据有限的场景下，迁移学习是常用策略，可将所需训练样本量降低数个数量级71% 相似已验证行为克隆存在分布偏移（Distribution Shift）问题：训练时策略只接触专家轨迹覆盖的状态分布，部署时微小偏差累积会使实际访问的状态分布逐渐偏离训练分布70% 相似待验证当部署环境与训练环境存在系统性差异且差异不可观测时，鲁棒上下文MDP是一个值得考虑的建模工具。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1101819API
curl https://kongchang.com/api/v1/knowledge/claims/1101819MCP
get_claim(id=1101819)