本記事では、CrossTrainerというシステムを提案し、実用的なドメイン適応におけるロスの再重み付け手法について解説しています。ドメイン適応は、特定のドメインに基づくトレーニングデータと、関係性の不明な補完データを用いてモデルをトレーニングする技術です。この技術は、異なるソースや質のデータ、時期の異なるデータを扱う際に有用です。CrossTrainerは、さまざまなデータセットで高いモデル精度を維持するロスの再重み付けを利用していますが、この手法は重みハイパーパラメータの選択に敏感で、チューニングが高コストとなります。本研究では、ロス再重み付けの特性を活かした最適化手法を開発し、従来のハイパーパラメータ探索と比較してトレーニング時間を改善しながらも、正確なモデル出力を可能にしています。