En este artículo, proponemos un método novedoso, el Entrenamiento con Atención a la Cuantización para la Generalización de Dominios (QT-DoG), que utiliza la cuantización de pesos para resolver el problema de sobreajuste en la generalización de dominios (DG). A diferencia de los métodos de cuantización existentes que se centran en la compresión de modelos, QT-DoG utiliza la cuantización como una regularización implícita mediante la introducción de ruido en los pesos para encontrar mínimos más planos de la función de pérdida. Esto la hace menos susceptible al sobreajuste y logra un mejor rendimiento de generalización en diversos dominios. Mediante análisis teóricos y evidencia experimental, demostramos que la cuantización induce mínimos más planos y, además, al ensamblar múltiples modelos cuantizados, logramos una mayor precisión que los métodos de DG de vanguardia existentes sin costo computacional ni sobrecarga de memoria. El código fuente es de código abierto.
