구제가 존재하는 모델
고정한 모델에서 행동 대안을 탐색해도 허용된 변화 안에 대안이 존재한다는 보장은 없다. 이 연구는 부정적 결과를 받은 입력에 긍정적 결과로 바꾸는 대안이 존재하도록 모델을 학습하는 목표를 제안했다.
허용 변화와 학습
입력을 바꿔도 예측이 유지되게 하는 일반적인 적대적 학습과 달리, 허용된 변화 중 예측을 바꿀 수 있는 변화가 존재하도록 학습을 구성한다. 변경 금지나 방향 제한은 허용 집합으로 표현한다.
보장의 조건
적대적 학습만으로는 이론적 보장이 생기지 않는다. 연구는 PAC 신뢰 집합을 이용해 구제가 존재할 확률을 다루며 학습과 시험 분포가 같다는 가정 아래 보장을 구성했다.
관련 문서
선형 분류의 실행 가능한 구제 / 최소 개입 기반 알고리즘 구제 / ROAR 알고리즘 구제 / 반사실 설명 / 적대적 학습 / PAC 학습