标准集成方法可以通过减轻单个模型的随机性来提高鲁棒性，但它们经常无法泛化到训练分布之外，从而使系统容易受到分布外（ OOD ）数据的影响。我们引入了Robust Satisficing Ensemble (RSE) ，这是一个可扩展的概率聚合框架，旨在通过最小化模型的脆弱性来确保模型组合的安全

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2611.10895v1)获取最准确的信息。

---
🔗 **原文链接**: [Robust Satisficing Ensemble: Scalable Model Aggregation Unde](https://arxiv.org/abs/2611.10895v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Ahmet Faruk Cetinkaya, Enes Agirman, Cem Tekin

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-11-10 13:01