鲁棒监督学习的统一与优化：一个统一框架

研究者提出一个统一框架，将分布鲁棒优化、邻域风险最小化、Mixup 和标签平滑等鲁棒学习方法沿明确的设计轴组织起来，并揭示它们之间的关系与组合方式。在视觉与奖励建模任务上，最优鲁棒方法取决于任务、目标指标和验证数据，而恰当选择的组合往往优于最佳单一方法。