本研究提出了一种“成本感知的基于仿真的推断方法”，旨在降低复杂模型推断的计算成本。通过结合拒绝采样和自归一化重要性采样，显著减少了所需的仿真次数，在流行病学和电信工程等领域实现了成本降低。

Cara是一种成本感知的重新训练算法，能够优化机器学习模型重新训练的成本，通过考虑多种因素，适应不同的数据变化并在总成本更低的情况下实现比漂移检测基线更好的准确性。