본 논문은 데이터 분포는 고정되어 있지만 손실이 변하는 '손실 이동'이라는 새로운 실패 모드를 제시합니다. 손실은 정보의 관련성을 결정하며, 서로 다른 손실은 동일한 분포에서도 다른 표현을 요구할 수 있습니다. 베이즈 지수를 활용하여 손실을 정제 순서대로 나열할 수 있으며, 엄격한 정제는 즉각적인 질적 장애를 야기합니다.
더 세밀한 손실을 위한 더 거친 손실의 소스 최소 표현은 충분하지 않습니다. 유한 출력 로그 손실의 경우, 이 장애는 정확한 양적 동일성으로 나타납니다. 초과 위험은 표현에 의해 버려지는 Y에 대한 조건부 정보입니다.
통제된, 학습된, 합성 이미지, 실제 이미지 환경에서 실험 결과, 분류적으로 동등한 표현이라도 고정된 데이터 분포 하에서 다른 최적 로그 손실 성능을 보입니다.