本文提出了一种新的多保真度训练方法，通过结合不同保真度的数据，改进线性回归模型的参数估计。在稀缺数据环境下，该方法表现出更低的模型方差和期望误差。此外，研究扩展了深度高斯过程，应用于生物制造和偏微分方程问题，展示了其有效性和鲁棒性。多保真度代理模型框架通过聚合多源数据，显著提高了模型的准确性。