待验证50% 置信事实精确时间

无监督域适应（UDA）假设拥有带标签的源域数据和完全无标签的目标域数据，通过特征对齐缩小两个域之间的分布差异

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

UDA、SFDA与SSOD域适应方法对比：原理与选择指南

涉及实体

相关事实

待验证在特征标准化、归一化或PCA降维时使用整个数据集（包括测试集）的统计量而非仅用训练集，会造成特征构造泄露60% 相似待验证端到端模型在代表性充足与代表性不足口音之间的WER差距并未按比例缩小，属于数据分布问题而非架构问题59% 相似待验证合成数据在长尾场景补充和隐私敏感场景替代两个维度上价值最高，而非作为主体数据源57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/912079

API

curl https://kongchang.com/api/v1/knowledge/claims/912079

MCP

get_claim(id=912079)