本文探讨了分布式鲁棒优化（DRO）在交叉事实风险最小化（CRM）中的应用，提出了基于Kullback-Leibler马氏距离的新鲁棒对策反目标。研究表明，DRO在处理不确定性方面具有显著优势，并通过多种算法和实验验证了其有效性，提升了机器学习的性能和稳定性。