Domain(域)在人工智能领域指模型训练与部署所处的数据分布空间,是迁移学习、域适应与域泛化等研究的核心概念。当模型在源域上学习到的规律无法在目标域上保持时,就会出现性能下降,这也是近期多篇论文集中讨论的问题。围绕 Domain 的研究正在从单点的域适应方法,扩展到跨域协议、域遗忘和守恒律失效等更细化的方向。
Domain 相关研究近期进展
当前焦点与观察点
值得注意的争议点是 Domain 的语义膨胀。该词原本主要指数据分布,如今在工程语境中也被用于产品概念,例如 OpenRouter 展示 Vibe Domain:只推荐真实可注册的域名,展示的是用自然语言生成可用网站域名的应用。学术研究与产品落地使用同一词汇,容易造成检索和沟通上的混淆。
另一个观察点是域边界本身的可定义性。扩张域框架与 STSA 协议都在追问:域与域之间的边界由谁划定、守恒律或评测指标在哪一层失效。跨域迁移的评测协议若逐步统一,Domain 相关研究的可复现性将明显改善,但开放词表遗忘等方向仍缺少公认基准,目前宜关注协议层面的进展而非单点模型性能。