本文研究了从聚合响应中学习的自然损失函数，包括基于包的损失和基于实例的损失。通过引入一种结合这两种方法的新型插值估计器，研究者能够理解不同因素对模型预测风险的影响。此外，他们还提出了一种实现差分隐私学习的机制，并推导出最佳包大小。实验证实了他们的理论，并展示了插值估计器的有效性。