基于理由不变性的领域泛化

本文提出了一种新的方法来缓解领域泛化的挑战，即在未知环境中保持强大的结果。该方法集中于最终分类器层的决策过程，通过将对最终结果的逐元素贡献视为决策的依据，并将每个样本的理由表示为矩阵。为了实现良好泛化的模型，提出了一个新的规则不变损失作为一种简单的正则化技术。实验证明该方法在各种数据集上取得了有竞争力的结果。