用途：整理域适应（Domain Adaptation）与域泛化领域的研究论文、方法分类、基准数据集和入门阅读路线，面向需要文献调研、方法选型或教学材料的读者。
主要能力：按方法论划分域适应谱系，涵盖无监督域适应（基于差异、对抗、重构、自训练）、半监督域适应、源无关域适应、部分域适应、开放集域适应、通用域适应、多源域适应、域泛化与测试时适应。同时按年代列出经典与现代代表方法，如 TCA、GFK、DAN、DANN、ADDA、CORAL、CDAN、MCD、SHOT、TENT、DAFormer、PADCLIP，并给出年份、思路和核心思想。还整理了 Office-31、Office-Home、VisDA-2017、DomainNet、PACS 等基准数据集及其域、类别数和任务类型，以及医学影像、自动驾驶、遥感、NLP、语音、机器人等应用示例。
使用方式：文档提供基于 arXiv 的论文跟踪脚本，可按 subtopic 检索最近论文并打印日期、标题和链接；还提供阅读路线，分初级、中级、高级三阶段列出论文顺序。参考资料包括 awesome-domain-adaptation、Transfer Learning Library、DomainBed。
适用场景：文献综述、方法选择、基准对比、识别研究空白、课程教学。
限制：资料未说明具体收录规模、更新频率、收费方式或使用许可，部分信息暂未提供。