影片狀態：已附影片。 影片來源與說明
教材版本：基於 MIT 6.7960 Fall 2024 OCW（對應 OCW Lec 17）。影片、投影片、作業全公開於 MIT OCW。
i.i.d. 假設與真實世界的落差
幾乎所有 ML 教科書都假設訓練與測試是 i.i.d.（independent and identically distributed）抽自同一個分布。但真實部署從來不是這樣：相機換了型號、醫院換了城市、語料從英文變成法律條文。模型在 in-distribution 拿到 95% 準確率，一上線掉到 60% — 這不是 bug，是假設破掉。
三類 shift
常見文獻把 shift 拆成三類，對應不同的應對方式（這個分類來自一般文獻，不是 Lec 17 影片的結構）：
| 類型 | 什麼變了 | 典型例子 |
|---|---|---|
| Covariate shift | P(X) 變，P(Y|X) 不變 | 白天照的 model 拿到夜景；sketch vs photo |
| Label shift | P(Y) 變，P(X|Y) 不變 | 醫院 A 病人多是老人、醫院 B 病人多是運動員 |
| Concept shift | P(Y|X) 變 | 「健康」這個詞在不同年代的定義；spam 標準會隨攻防演化 |
判斷是哪一類很重要：covariate shift 可以重加權訓練、label shift 可以校正預測、concept shift 通常得重標資料。
虛假相關與捷徑學習
OOD 失敗最常見、也最狡猾的原因：模型抓了虛假相關（spurious correlation）。經典例子：在 ImageNet 上訓練的牛羊分類器，學會用「背景有沒有草原」當牛的存在訊號；一到沙漠或沙灘就全錯。
這不是訓練沒收斂、也不是容量不夠。ERM（empirical risk minimization）+ 有限容量在訓練資料夠 i.i.d. 的前提下，最有效率的解就是把「最會浮上來的捷徑」學起來。要避免，必須改變訓練分布結構，而不是換更大的模型。
三條對策
影片對照：IRM、domain randomization、test-time adaptation 這三條對策不在 Lec 17 字幕中；影片談的是對抗樣本（約 13%–36%）、虛假相關（約 49%）、相機等 shift 造成 F1 下降（約 72%）、最壞情況／分佈穩健最佳化（約 77%–85%）與用生成模型產生反事實資料來診斷（約 90%）。以下三條是本站依一般文獻補充。
1. Invariant Risk Minimization（IRM, Arjovsky 2019）
想法：跨多個訓練環境（environments）學表示 Φ，使得「最佳分類器 w」在所有環境下相同 — 也就是學到跨環境不變的特徵。實作上在每個環境加一個懲罰項，鼓勵「環境內最佳分類器」一致。
實務上 IRM 在 DomainBed benchmark 上跟普通 ERM 差不多（後者更新一些做法反而更強），所以被批「概念漂亮但效果有限」。但它點出了一個核心：真正的泛化必須從訓練資料的環境結構著手。
2. Domain randomization / data augmentation
既然無法列舉所有測試環境，就在訓練時把環境變異最大化：顏色 jitter、cutout、mixup、CutMix、RandAugment、風格轉換、合成資料。ImageNet-C / -R / -A 等 benchmark 就是用 augmentation 模擬 shift。
便宜的對策，效果通常比 IRM 還好。代價是訓練時間略增，且 augmentation 不能太離譜（會讓訓練分布偏掉）。
3. Test-time adaptation（TTA）
在推論時，用未標註的測試資料即時調整模型。典型做法 TENT（Wang 2021）：把 batch-norm 統計量與 entropy minimization 結合，幾行梯度下降就讓模型適應當下資料分布。
TTA 不需要任何標註，部署階段零成本，但假設「測試環境連續變化、模型適應得了」，不是萬靈丹。
誠實評估：benchmark 本身就有偏差
Recht et al.（2019）做了一件很扎實的事：用同樣的方法重新蒐集 ImageNet 的測試集（ImageNet-V2），結果 SOTA 模型掉了 11–14%。Bechtel et al.（也有類似結論）提醒：別把單一 benchmark 的數字當真理。
實務上：能 cross-check 至少一個獨立分布（不同時段 / 不同地理 / 不同人口）的表現，再決定上線。
最小實驗：test-time entropy minimization
model.train() # enable BN stats update
for x_unlabeled, _ in test_loader:
logits = model(x_unlabeled)
loss = -(logits.softmax(1) * logits.log_softmax(1)).sum(1).mean() # entropy min
loss.backward(); opt.step(); opt.zero_grad()跑 1–2 個 epoch，模型就會「往測試分布的特徵移動」，covariate shift 常能補回幾個百分點。
什麼時候用哪一招
- Shift 小：加 augmentation + 多資料就夠。
- Shift 中：test-time adaptation（無標註）或自訓練。
- Shift 大：domain adaptation（用目標域少量資料）甚至重訓。
- Concept shift：幾乎只能重標資料，模型層救不回。
課程影片來源
2026-10-10 已即時回 MIT OCW Fall 2024 官方錄影列表核對講次，影片公開且允許嵌入；講次與主題以 OCW 的標示為準。
原始影片：MIT 6.7960 Fall 2024 — Lec 17. Generalization: Out-of-Distribution (OOD)
課程與錄影入口：
- MIT OCW — Lec 17. Generalization: Out-of-Distribution (OOD)
- MIT 6.7960 Fall 2024 — official lecture video gallery
查核日期：2026-10-10。
內容核對：已依字幕核對（2026-10-10）：讀了 Lec 17 字幕（Sara Beery，1:04:41）：主題確實是 OOD 泛化，但影片內容是對抗樣本、虛假相關、相機等 shift 造成的效能下降、分佈穩健最佳化與反事實診斷；字幕沒有 covariate／label／concept shift 三分法、IRM、domain randomization、test-time adaptation，原「講次把 shift 拆成三類」的說法不成立，已改為「一般文獻」並在三條對策加註為本站補充。
更新紀錄
- 2026-10-10：標註影片狀態，核對錄影來源與取得方式。
- 2026-10-10：重查影片狀態。即時核對官方課程頁，講次與影片連結一致且影片公開，狀態改為「已附影片」。
- 2026-10-10：依字幕核對影片內容。更正「講次把 shift 拆成三類」的說法並在三條對策加註：這些不在影片中。
參考資料
- MIT 6.7960 OCW（Fall 2024）：課程首頁
- Arjovsky et al., Invariant Risk Minimization（2019）：arXiv:1907.02893
- Gulrajani & Lopez-Paz, In Search of Lost Domain Generalization（DomainBed, 2021）：arXiv:2107.00641
- Recht et al., Do ImageNet Classifiers Generalize to ImageNet?（2019）：arXiv:1902.10811
Loading...