본 논문은 머신러닝 기반 예측 시스템의 실제 배포 시 성능을 이해하는 데 초점을 맞추고 있다. 특히, 모델의 세부 정보가 숨겨진 블랙박스 모델의 손실을 보장하는 분포-자유 불확실성 정량화 기법인 준거 예측(conformal prediction)에 대해 다룬다. 기존의 준거 예측은 빈도주의 확률에 기반하여 적용성이 제한적이라는 점을 지적하며, 베이지안 관점에서 준거 예측의 핵심 측면을 재검토하고 빈도주의적 보장의 단점을 밝힌다. 베이지안 구적법(Bayesian quadrature)에 기반한 실용적인 대안을 제시하여 해석 가능한 보장을 제공하고, 테스트 시 관찰될 가능성이 높은 손실 범위를 더 풍부하게 표현한다.
