缓解过拟合
将序列到序列的预测约束放宽为区域匹配，通过对比学习构建输入区域并用区域损失优化，在不牺牲精度的前提下显著提升时序模型的泛化能力。
Yuning, Wei · Shen, Li · 王养柱 · 邱华鑫
Information Sciences 2025
通过区域到区域的预测范式，模型不再被迫输出唯一值，对噪声和分布偏移的敏感性下降，因而在未见数据上更稳定。
在六类不同数据集和九种基线模型上的实验表明，该框架普遍降低了预测误差，而不局限于特定网络结构或数据特性。
CSCL 与 AL 作为独立模块可直接嵌入现有 Seq2Seq 训练流程，无需改变主干网络，迁移成本低。