Decision-Focused Learning（DFL）是一种新兴的学习范例，用于训练机器学习模型预测不完整优化问题的缺失参数。研究发现模型的鲁棒性与其能否找到最佳决策且不偏离真实标签高度相关。

Decision-Focused Learning（DFL）是一种新兴的学习范例，用于训练机器学习模型来预测不完整优化问题的缺失参数。DFL通过集成预测和优化任务，在端到端系统中训练机器学习模型，从而更好地匹配训练和测试目标。研究发现，模型的鲁棒性与其能否找到导致最佳决策且不偏离基本真实标签的预测高度相关。同时，研究还发现了针对违反此条件的模型的方法。

Decision-Focused Learning（DFL）是一种新兴的学习范例，用于训练机器学习模型来预测不完整优化问题的缺失参数。DFL通过集成预测和优化任务，在端到端系统中训练机器学习模型，更好地匹配训练和测试目标。研究发现模型的鲁棒性与其能否找到导致最佳决策且不偏离基本真实标签的预测高度相关。此外，研究还发现模型在训练周期结束时实现的最优性会导致不同的响应。