一套模型在老用户中表现正常，换到年龄结构不同的新用户中，还能相信吗？传统拟合优度检验——检查数据是否符合模型声称的规律——通常盯着有标签的旧人群，未必回答新环境里的问题。Zhen Hou 和 Dong Xia 的新工作把检验对象迁到目标人群，专门处理协变量漂移：输入特征的分布变了，但给定特征后的结果规律仍假定不变。
方法的关键是“截断”。研究者先做重要性加权，让更像目标人群的旧样本占更大分量；但两个人群差得远时，少数权重可能极端放大，拖垮检验。他们给权重设上限，再结合核岭回归和 multiplier bootstrap——通过随机扰动估计统计量的波动——为回归函数构造置信集合。作者证明，这种截断能同时稳定回归估计与 Bootstrap 校准，即使目标与源人群的密度比呈重尾分布，也仍可使用；论文还给出有限样本下的有效性、精度和覆盖误差率。不过这些结论依赖相应的算子兼容、密度比和核谱衰减条件，数值实验仅被作者概括为支持理论发现，材料未披露具体实验数字。