反因果域泛化：利用无标签数据

领域泛化问题关注的是学习预测模型，使其在部署到新的、未见过的环境时能够对分布偏移具有鲁棒性。现有方法通常需要来自多个训练环境的标注数据，这在标注数据稀缺时限制了其适用性。在本研究中，我们探讨了反因果设定下的领域泛化问题，其中结果变量导致观测协变量的变化。在此结构下，影响协变量的环境扰动不会传播到结果变量，这促使我们对模型对……的敏感性进行正则化。