Adobe等提出DISC时序迁移相似度框架

2026年10月26日，AGI Hunt 报道，Adobe Research 联合 Dolby 与阳明交通大学提出 DISC（Domain-Integrated Similarity Cost）框架，用于评估时序数据集的可迁移性。该框架是一个可学习的聚合框架：它利用校准迁移观测，为不同下游任务选择、加权并组合多种相似度指标，使其在仅凭指标值的情况下即可对源域—目标域数据对打分，从而更好地预测下游预测任务上的迁移表现。报道将这一工作定位为对时序数据集迁移相似度指标的校准。目前公开信息仅涉及方法本身，报道未披露具体实验设置与对比结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。