Compositional Generalization（组合泛化）

组合泛化要求模型能够将训练中见过的原子概念（如单词、对象）组合成新的复合结构（如新句子、新任务），而不仅仅是记忆训练数据。传统神经网络在系统化组合上表现不佳，容易受训练分布偏差影响。研究通过设计专门架构（如组合模块网络）、数据增强（如SCAN）和元学习来提升组合泛化能力。该能力对自然语言处理、程序合成和机器人指令理解至关重要。