연구진이 확률 회로(PC) 모델의 강건성을 높이는 후처리 프레임워크 'PeTeR'을 제안했어요. PeTeR은 기존 모델을 처음부터 다시 학습하지 않고도 데이터 변화에 강하게 만들 수 있어요. 실험 결과, PeTeR은 무작위 및 적대적 공격에 대해 기존 모델보다 우수한 성능을 보여줬어요.
PeTeR은 데이터 의존적인 강건 학습 기준선보다 경쟁력 있는 성능을 달성했어요. 데이터 변화에 대한 취약점을 완화하는 데 효과적이에요. 기존 모델을 처음부터 다시 학습하지 않고도 데이터 변화에 강하게 만들 수 있어요.