この記事では、重み付きグラフにおける最適マッチングを見つける問題について考察しています。実際には予測された重みの情報が完璧でない場合、最適な意思決定規則が効果を発揮しないことがあります。著者は、この課題を解決するために「マルチキャリブレーション」を提案します。このアプローチでは、保護された文脈の集合ごとに偏りのない予測を求め、特定のマルチキャリブレートされた予測器を構築します。その結果、構築した予測器からの出力に基づいて最良のマッチングを選択することが、元の予測器に対して適用した最適決定規則と競合することを示しています。また、サンプルの複雑さに関する理論的な結果も補足されています。