关于决策聚焦学习的鲁棒性研究
原文中文，约400字，阅读约需1分钟。发表于：。Decision-Focused Learning（DFL）是一种新兴的学习范例，用于训练机器学习模型来预测不完整优化问题的缺失参数。DFL 通过集成预测和优化任务，在端到端系统中训练机器学习模型，从而更好地匹配训练和测试目标。然而，我们对这些模型在对抗性攻击下的性能知之甚少。我们采用了十种独特的 DFL...
Decision-Focused Learning（DFL）是一种新兴的学习范例，用于训练机器学习模型来预测不完整优化问题的缺失参数。DFL通过集成预测和优化任务，在端到端系统中训练机器学习模型，更好地匹配训练和测试目标。研究发现模型的鲁棒性与其能否找到导致最佳决策且不偏离基本真实标签的预测高度相关。此外，研究还发现模型在训练周期结束时实现的最优性会导致不同的响应。
