本研究提出了一种基于影响函数的群体鲁棒样本重标定方法，旨在提高机器学习模型在子群体比例变化时的鲁棒性。该方法通过优化无群体标签数据的权重，提升模型性能，具有理论可靠性和实践高效性，优于传统方法。