초록
우리는 여러 학습 분포에 걸쳐 불변의 상관관계를 추정하기 위한 학습 패러다임인 Invariant Risk Minimization (IRM)을 소개합니다. 이 목표를 달성하기 위해, IRM은 해당 데이터 표현 위에서 최적의 분류기가 모든 학습 분포에 대해 일치하도록 하는 데이터 표현을 학습합니다. 이론과 실험을 통해 우리는 IRM이 학습한 불변성이 데이터를 지배하는 인과 구조와 어떻게 관련되어 있으며, 분포 외 일반화(out-of-distribution generalization)를 가능하게 하는지를 보여줍니다.