英文：Domain Generalization 分类：foundation
模型在多个源域训练后，能在未见过的新领域上保持性能的能力。与迁移学习不同，领域泛化要求对不可见目标域同样有效，是分布外泛化的研究前沿。
方法包括：域对抗训练（学习域无关特征）、元学习（跨域任务泛化）、数据增强（风格扰动）、自监督预训练（大模型天然更鲁棒）；评估用多域基准（如不同医院、不同拍摄条件）留出未见域。
用于医疗影像跨机构泛化、跨语言 NLP、工业质检跨产线与自动驾驶跨天气；是"模型能否在真实开放环境部署"的关键验证。
相关词条：Transformer · 注意力机制 · 自注意力 · 多任务学习 · 数据质量