受控评估：曲率启发标量特征缩放未超DomainBed ERM

Sunny Gupta和Amit Sethi发布了对HyperDG式方法的受控评估：该方法在训练阶段用学习的正标量缩放欧氏编码器特征，推理时使用未缩放特征和普通线性分类器。结果显示其宏平均比DomainBed ERM低1.61个百分点（95%聚类CI [-3.17, -0.04]），作者称未提供经校正的差异证据。 评估覆盖PACS、VLCS、Office Home、TerraIncognita四个数据集，共384次运行；更干净的域特异性对比显示源域尺度方案差异为-0.13个百分点，仅支持在该套件宏平均下的等价性。作者强调这是针对该标量训练包的有界负结果，并未检验或反驳真正的双曲表示学习。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。