主流的前沿领域泛化算法通常侧重于跨域语义不变性的假设，而对域内固有的风格不变性则往往被忽视或未予充分重视。本文揭示，利用域内风格不变性在提升领域泛化效率方面同样具有关键意义。我们验证了网络必须能够有效识别并理解哪些特征是跨实例共享且在不同域中保持不变的语义特征，从而促使网络深化对语义的判别能力。相应地，我们提出了一种新颖的“陪审团”（jury）机制，该机制在学习不同域之间有用的语义特征共性方面表现出显著效果。我们提出的完整模型名为STEAM，可被解释为一种新型的概率图模型，其具体实现依赖于两类记忆库的便捷构建：语义特征记忆库与风格特征记忆库。实验结果表明，所提出的框架在性能上显著超越了现有最先进方法。