Data Augmentation

数据增强起源于计算机视觉（翻转、裁剪、色彩抖动等），后扩展到 NLP 与多模态领域，如回译、同义替换、掩码填充、LLM 生成合成数据等。其核心是引入保持标签不变的多样性变换，使模型学到更鲁棒的特征。在深度学习中，它被视为一种隐式正则化，能有效减少过拟合，尤其适合小样本场景。