本文提出了一种基于判别式对抗领域适应（DADA）的新型对抗学习方法，旨在解决任务和域分类器独立导致的收敛问题。该方法在多个领域适应场景中表现出色，并在基准数据集上取得了最新成果。同时，文中介绍了主动广义类别发现（AGCD）和动态概念对比学习（DCCL）等新方法，均展现了优越的性能。