اختلاف أداء نموذج التعلم الآلي عند انتقاله بين مجالات أو بيئات جغرافية مختلفة.
تُظهر إعادة تقييم تسعة نماذج لاكتشاف رؤوس القمح أن متوسط mAP الإجمالي قد يخفي فروقاً كبيرة في الأداء بين الدول. تصدرت الصين جميع النماذج، بينما اختلفت مناطق الضعف بين YOLO وRF-DETR، ما يجعل قياس التحول بين المجالات ضرورياً قبل النشر الميداني.