Durch die Reformulierung des Modellauswahlproblems als Graphenlernproblem und die Nutzung der inhärenten Beziehungen zwischen Modellen und Datensätzen kann die Vorhersagegenauigkeit der Modellleistung deutlich verbessert werden.
Eine neue Methode zur Aggregation von Konformalvorhersageintervallen mehrerer Algorithmen durch ein dynamisches Mehrheitsvotingverfahren, bei dem die Gewichte der Modelle basierend auf ihrer Leistung in der Vergangenheit angepasst werden.