编码器适配

在受控研究中，同一个低支持集机制，仅仅随着表示分配变得更加不平衡，就从“仅训练分类器已足够”的状态转变为“编码器适配带来实际有意义收益”的状态。

该状态转变在多种分类器校正方法、表示目标、归一化与数据增强控制下均持续存在，并且在ImageNet规模的评估中依然成立，同时保持了频繁类的准确率。

在设计长尾识别系统时，不能仅凭支持集大小来判断是否需要编码器适配；当表示分配严重失衡时，即使支持集较小，编码器适配也可能带来显著收益。

如果基准测试未能分离支持集与表示分配，那么基于该基准得出的“编码器适配是否有效”的结论可能是误导性的。