Аннотация:В данной статье рассматриваются вопросы улучшения робастности для моделей машинного обучения. Робастность является одной из важнейших характеристик моделей машинного обучения, которая определяет возможность практического использования моделей. Однако с определением этой характеристики для конкретных моделей не все оказывается просто. Во-первых, не все однозначно с самим определением робастности. Если мы рассматриваем робастность как сохранение поведения модели при малых возмущениях исходных данных, то возникают, по крайней мере, два вопроса – насколько малы должны быть эти изменения, и как такое определение соотносится с другими характеристиками модели? В первую очередь, среди других характеристик нужно рассмотреть обобщающую способность модели (генерализацию), которая определяется по работе модели с ранее неизвестными данными. Рассматривается также понятие надежности моделей, предложенное Google. Основное содержание статьи посвящено рассмотрению состязательных тренировок, которые, при всей своей ограниченности, остаются на сегодняшний день основным инструментом повышения робастности.