本研究提出了一种结合拒绝采样和自归一化重要性采样的成本感知推断方法，减少复杂模型中的仿真次数，降低推断成本，并在流行病学和电信工程领域取得显著效果。

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。