苹果的研究人员们讨论了一个新的域自适应过程，它利用特定于任务的决策边界和 Wasserstein 度量来弥合域间隙，允许知识从一个域到另一个域的有效传输。该过程完全不受监督，即，不需要新域数据具有标签或注释。这种无监督域自适应方法有助于在存在域移位的情况下提高机器学习模型的性能。它可以通过降低数据捕获成本和在地面实况数据稀缺或难以收集的领域中表现优异所需的注释来培训在各种情况下具有高性能的模型。该技术可以通过模型的设备上适应来实现个性化机器学习，以增强用户体验。