작은 입력 불확실성
구제 권고는 관측한 특징에 작은 불확실성이 있어도 유효한 것이 바람직하다. 연구는 적대적으로 강건한 구제 문제를 정식화하고 최소 비용만을 추구하는 방법이 강건하지 않을 수 있음을 보였다.
분류기에 따른 탐색
선형 분류기와 미분 가능한 분류기에 대해 적대적으로 강건한 구제를 생성하는 방법을 제시했다. 이 문제의 불확실성 대상은 모델 갱신 자체가 아니라 구제를 받는 개인의 특징이다.
분류기의 성질
연구는 분류기가 국소적으로 선형인 행동을 보이고 실행 가능한 특징에 더 의존하도록 정규화하면 강건한 구제의 존재를 돕는다고 분석했다. 권고의 탐색뿐 아니라 원래 예측 모델의 성질도 함께 다룬다.
관련 문서
ROAR 알고리즘 구제 / 최소 개입 기반 알고리즘 구제 / 불완전한 인과 지식의 알고리즘 구제 / 반사실 설명 / 정규화 / 적대적 학습