본 논문은 기계 학습 분야에서 불확실성 정량화의 한 분야인 온라인 컨포멀 예측(OCP)의 개선을 제안한다. 특히, 시간 경과에 따른 데이터 분포 변화에 대응하기 위해, 예측 간격의 적합성(coverage validity)만을 고려하는 기존 OCP 방법의 한계를 지적하고, 예측 간격의 "관련성(relevance)"을 반영하는 새로운 임계값 업데이트 방식을 제안한다. 이를 통해 예측 간격의 폭을 줄이는 것을 목표로 하며, 실제 데이터셋에 대한 실험을 통해 제안 방법의 유효성을 입증한다.
