연구진은 딥러닝 모델의 일반화 오차를 분석하여 기존 방법의 한계를 극복하는 새로운 일반화 경계를 제시했어요. 기존 경계는 실제 오차율을 크게 초과하는 경우가 많았는데, 이는 강건성 측정 방식의 문제에서 비롯된 것 같아요. 연구진은 입력 공간의 각 영역별로 강건성 측정값을 조정하여 더 현실적인 경계를 만들었어요.
ImageNet 데이터셋으로 학습된 모델에 대한 실험 결과, 제안하는 경계는 기존 방법보다 더 정확하게 실제 성능을 추정하고, 비어있지 않은 유용한 경계를 유지하는 것을 확인했어요. 이는 데이터와 모델에 의존적인 요소를 모두 고려하면서도 실제 평가에 도움이 되는 결과를 보여줘요.