연구진은 다양한 환경에서 수집된 고차원 데이터를 활용한 다중 환경 요인 모델을 제안했어요.
ATLAS(Auxiliary-label and invariance-guided Transfer via Latent Alignment across heterogeneous environmentS)는 불변 요인과 예측 불변 요인을 분리하고, 보조 레이블을 활용해 이동 가능한 요인을 추출하는 방법이에요.
ATLAS는 잠재 요인 회귀에서 뛰어난 성능을 보이며, 새로운 환경에서 예측 가능성을 높이고, 보조 레이블이 없을 때는 안정적인 불변 요인 예측을 가능하게 해요.