この記事では、コストのかかる専門家に不確実な予測を遅延させる学習方法が、機械学習システムの精度と効率を高める強力な戦略であることが述べられています。通常の遅延アルゴリズムの訓練手順では、すべての専門家に対して各トレーニングインスタンスでクエリを行う必要があり、リソースコストがかさむ場合には非常に高額になるため、専門家の不必要な使用を制限するという本来の目的が損なわれます。この課題を克服するために、著者たちは予算付き遅延フレームワークを導入し、訓練中の専門家クエリコストを最小限に抑えつつ効果的な遅延アルゴリズムを訓練することを目指しています。実験結果は、クエリの数を制限しながらも訓練コストを大幅に削減でき、予測精度を損なうことなく実用的な価値を示しています。