본 논문은 유추 추론(analogical reasoning)을 재조명하며, 기존의 연구가 다루지 못했던 회귀(regression) 및 연속적 영역(continuous domains)에서의 문제를 해결하기 위한 새로운 프레임워크를 제시한다. 먼저, 기존 연구의 일반화 경계가 부울(Boolean) 설정에서도 실패할 수 있음을 보이는 반례를 제시한다. 이어서, 일반화된 평균(generalized means)을 통해 정의된 매개변수화된 유추를 기반으로 하는 실수값 영역에서의 유추 추론을 위한 통합 프레임워크를 도입한다. 이 모델은 부울 분류(Boolean classification)와 회귀를 모두 포함하며, 연속 함수에 대한 유추 추론을 지원한다. 또한, 이 설정에서 유추를 보존하는 함수의 클래스를 특징짓고, 평활성(smoothness) 가정을 바탕으로 최악의 경우(worst-case) 및 평균 경우(average-case)의 오차 경계를 도출한다.
