O artigo apresenta um framework de desenho experimental sequencial e consciente da decisão, robusto ao adversarial, que leva em conta o ganho de informação contra os efeitos inesperados piores modelados como variáveis adversariais.
- A abordagem formaliza uma decisão ótima robusta ao adversarial dentro da teoria bayesiana de tomada de decisão.
- Deriva um critério de desenho experimental bayesiano fundamentado que visa explicitamente a estabilidade da decisão em vez da optimalidade nominal.
- Experimentos em conjuntos de dados sintéticos e do mundo real mostram que métodos convencionais convergem para decisões com alta confiança, porém frágeis, enquanto o método proposto produz resultados significativamente mais estáveis e confiáveis sob variação adversarial.