本稿では、深層トランスダクティブ学習に焦点を当て、訓練時に提供される任意の（ラベルなし）テストセット上で、あらゆる深層ニューラルモデルの性能を向上させるための微調整手順として、TransBoostを提案する。TransBoostはマージン最大化原理に着想を得ており、効率的かつ使いやすい特徴を持つ。本手法は、ResNet、MobileNetV3-L、EfficientNetB0、ViT-S、ConvNext-Tなど多様なアーキテクチャにおいてImageNet分類性能を顕著に向上させ、トランスダクティブ学習の最先端性能を達成した。さらに、TransBoostが多様な画像分類データセットにおいても有効であることを示した。TransBoostの実装は以下のURLで公開されている：https://github.com/omerb01/TransBoost。