本論文では、未知のターゲット言語$K$からの敵対的な列挙を観察するアルゴリズムによる言語生成の限界を研究し、最終的に$K$から新しい未見の文字列を生成する能力について考察します。KleinbergとMullainathanの研究では、一般的な条件下での生成が可能であることが示されたが、既存のジェネレーターは「モード崩壊」に悩まされ、ターゲットのサブセットからのみ生成する傾向があります。この問題に対処するため、KleinbergとWeiは、出力がターゲット言語内で「密度の高い」ものでなければならないとし、密度が保たれた生成もまた実現可能であることを示しました。しかし、これらの結果は完璧なデータが前提となっており、ノイズや欠損については考慮されていません。本論文では、汚染された列挙の下でのロバスト性を特定し、特に「密な生成」は「生成」に比べて汚染に対しより脆弱であることを示しています。さらに、カリキュラム学習に触発された新たなモデルを導入し、感染したサンプルの比率がゼロに収束する限り、密な生成が無限の汚染下でも達成可能であることを示しています。