Artikel ini memperkenalkan kerangka desain eksperimen berurutan yang sadar keputusan dan kuat terhadap adversarial, yang memperhitungkan peningkatan informasi terhadap efek tak terduga kasus terburuk yang dimodelkan sebagai variabel adversarial.
- Pendekatan ini memformalkan pengambilan keputusan optimal yang kuat terhadap adversarial dalam teori keputusan Bayesian.
- Ini menurunkan kriteria desain eksperimen Bayesian yang berprinsip yang secara eksplisit menargetkan stabilitas keputusan daripada optimalitas nominal.
- Eksperimen pada dataset sintetis dan dunia nyata menunjukkan bahwa metode konvensional konvergen ke keputusan yang percaya diri namun rapuh, sementara metode yang diusulkan menghasilkan hasil yang jauh lebih stabil dan andal di bawah variasi adversarial.