本文探讨了当前无源无监督域自适应 (SFUDA) 分布对齐方法的计算和理论局限性。具体而言，我们专注于估计在目标标签缺失的情况下的分类性能和置信度。现有理论框架会产生计算上难以处理的量，且无法充分反映所用对齐算法的特性，为了克服这些局限性，我们提出了最优传输 (OT) 分数，这是一种新颖的理论推导的置信度指标，它利用了半离散最优传输对齐所引入的决策边界的灵活性。所提出的 OT 分数直观易懂、理论严谨，并为给定的一组目标伪标签提供了原则性的不确定性估计。实验结果表明，OT 分数优于现有的置信度分数，通过训练时间权重调整提升了 SFUDA 性能，并为模型性能提供了可靠的无标签代理。
