本文介绍了最小极差风险优化（MERO）及其解决方法，利用随机凸-凹优化技术实现高效收敛。同时探讨了分布与离群点鲁棒优化框架（DORO），改进风险函数以提升机器学习性能。研究表明，新算法在处理类别不平衡和少数族裔性能方面优于传统方法，并在不同数据集上表现突出。