概念Domain Shift / 域偏移
领域偏移
机器学习中指模型在训练数据分布之外的测试数据上性能显著下降的现象，是导致模型泛化能力不足的核心问题之一
时间轴 (近 90 天)
10月25日
多数通用大语言模型的主战场是文本，即便具备多模态能力，其视觉编码器往往在通用图文数据上预训练，对医学影像的领域偏移更为敏感。
待验证50%
10月25日
领域偏移（domain shift）指模型在训练数据分布与部署数据分布不一致时出现的性能衰减。
待验证50%
10月12日
领域偏移是医疗 AI 跨机构泛化失败的核心机制，源于不同医院使用不同检验仪器、临床路径和编码习惯导致特征分布差异
待验证50%
10月11日
语言学上将模型在训练分布之外的数据上表现下降的现象称为'领域偏移'（Domain Shift）
待验证50%
9月5日
综述指出大多数模型在外部验证时表现失效，主要原因是领域偏移和MLOps实践缺失
待验证50%