도메인 간 에너지 차이
학습 자료와 시험 자료의 분포가 다르면 에너지 기반 모델에서 자유 에너지 편향이 나타날 수 있다. 원 연구는 이 관찰을 대상 자료 선택의 단서로 활용했다.
대상 예시의 질의
선택 라운드마다 도메인의 특성과 예시의 불확실성을 함께 반영한 자료 집단에 레이블을 요청한다. 에너지 기반 표본 선택으로 대상 도메인의 유용한 자료를 찾으려는 구성이다.
자유 에너지의 정렬
정규화 항으로 대상 자료의 자유 에너지가 원천 도메인 주변에 모이도록 정렬한다. 자료 선택만이 아니라 도메인 사이의 차이를 줄이는 학습도 함께 다룬다.
적응 성능의 평가
여러 도메인 적응 벤치마크에서 다른 선택 및 적응 방법과 비교했다. 자유 에너지 신호가 레이블 요청과 도메인 정렬에 주는 효과를 조사했다.
관련 문서
CLUE 능동 적응 / S3VAADA / LFTL / BADGE 능동 학습 / BAIT 능동 학습 / EPIG 능동 학습