作者：Benjamin Aubin，Agnieszka Słowik，Martin Arjovsky，Leon Bottou，David Lopez-Paz

简介：人们对跨训练环境学习数据中不变相关性的算法越来越感兴趣。目前的大部分算法在因果相关的文献中找到了理论支持，但它们在实践中有多大用处呢? 本文提出了六个线性低维问题作为“单元测试”，即以精确的方式评估不同类型的分布外泛化(Out-of-distribution Generalization)。经过初步试验，最近提出的三种算法没有一种能通过所有测试，我们希望我们提出的单元测试能够成为研究人员在非分布泛化方面的基准数据集。

论文链接：https://arxiv.org/pdf/2102.10867.pdf

推荐理由：该论文提出了一系列的模拟实验设定，来评估不同算法对于不变关系寻找的准确程度，对于OOD泛化问题的研究有着重要的作用。

内容中包含的图片若涉及版权问题，请及时与我们联系删除