迁移学习的"域差阈值"：超过临界点后迁移变负迁

迁移学习的效果不是随域差异线性衰减的，而是存在一个"临界阈值"——在阈值内迁移始终有效（即使效果递减），超过阈值后迁移突然变成负迁移（比从头训练更差）。这个阈值的位置取决于预训练数据的多样性和目标任务的特异性。实践意义是：不要因为"预训练总没坏处"就不做域差异评估——域差异过大时，随机初始化可能更好。