一种基于语言锚定的鲁棒性噪声领域泛化方法

本研究解决了现实机器学习应用中的分布转移和标签噪声问题，现有模型通常过分关注冗余特征，导致泛化能力差。提出的锚点对齐和自适应加权方法（A3W）通过自然语言处理锚点重新加权样本，从而提取更具代表性的特征，使模型对噪声标签更具鲁棒性。实验证明，A3W在多个数据集上表现优于现有领域泛化最佳方法，显著提高了准确性和鲁棒性。