聯合訓練選擇性預測模型，通過同時優化分類器和延遲策略，可以提高整體預測準確率，並提升兩個模組的效能。
本文提出了一個新的理論框架,可以在不受限於概率測度的情況下證明選擇性預測函數的可學習性,並且在一些溫和的假設下,還可以量化這些預測函數在分佈外泛化的誤差界限。這些理論結果為設計改善現有選擇性學習模型的策略提供了理論基礎。
