분포 변화 하의 확장 가능한 모델 집계를 위한 견고한 만족화 앙상블

요약

본 논문은 표준 앙상블이 분포 변화(OOD)에 취약하다는 문제를 해결하기 위해 Robust Satisficing Ensemble (RSE)을 제안합니다. RSE는 분포 변화 하에서 모델 집계의 강건성을 확보하는 확장 가능한 프레임워크입니다. 이 방법론은 최적화 복잡도를 표본 크기에서 분리하여 대규모 데이터셋에 효율적으로 적용 가능함을 이론적으로 증명했습니다.

핵심 포인트

• RSE는 분포 변화 하의 모델 집계 강건성을 확보하는 새로운 프레임워크입니다.
• 견고한 만족화 목표를 통해 표준 minimax 최적화의 병목 현상을 해결합니다.
• 최적화 복잡도를 표본 크기에서 분리하여 대규모 데이터셋에 확장성이 뛰어납니다.
• 다양한 분포 변화 스펙트럼에서 기존 강력한 기준선들을 일관되게 능가하는 성능을 보였습니다.