协变量偏移
分布偏移的一种形式，指输入分布 P(X) 改变而条件分布 P(Y|X) 保持不变
核心事实
时间轴 (近 90 天)
在虫情监测场景中，若训练数据采集自传统光源诱捕的图像而部署环境改用LED光源，诱捕到的昆虫种类、数量乃至图像背景光照条件都会改变，构成典型的协变量偏移。
行为克隆直接以监督学习方式拟合状态到动作的映射，实现简单但存在协变量偏移导致的复合误差问题。
分布偏移包括协变量偏移（输入分布改变但条件分布不变）、标签偏移（标签边缘分布改变）和概念漂移（条件分布随时间变化）三种常见类型。
分布偏移是指训练环境与部署环境之间的统计分布差异，是虚假相关性导致性能崩溃的直接机制
数据集偏移主要包括三种子类型：协变量偏移（输入特征分布变化但条件标签分布不变）、先验概率偏移（标签边缘分布变化）、概念漂移（输入与输出映射关系变化）
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
全部知识事实 (6)
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
80%已验证分布偏移是指训练环境与部署环境之间的统计分布差异，是虚假相关性导致性能崩溃的直接机制
75%待验证在虫情监测场景中，若训练数据采集自传统光源诱捕的图像而部署环境改用LED光源，诱捕到的昆虫种类、数量乃至图像背景光照条件都会改变，构成典型的协变量偏移。
50%待验证行为克隆直接以监督学习方式拟合状态到动作的映射，实现简单但存在协变量偏移导致的复合误差问题。
50%待验证分布偏移包括协变量偏移（输入分布改变但条件分布不变）、标签偏移（标签边缘分布改变）和概念漂移（条件分布随时间变化）三种常见类型。
50%待验证数据集偏移主要包括三种子类型：协变量偏移（输入特征分布变化但条件标签分布不变）、先验概率偏移（标签边缘分布变化）、概念漂移（输入与输出映射关系变化）
50%