Tosca est une chercheuse postdoctorale à l'Institut Vector, sous la direction de Dan Roy et Sivan Sabato. Avant de se joindre à Vector, elle a soutenu sa thèse de doctorat à l'Université de Waterloo, sous la direction de Shai Ben-David, sur le thème « Limitations inhérentes des dimensions pour la caractérisation de l'apprenabilité ». Elle est titulaire d'une maîtrise en sciences cognitives de l'Université de Tübingen. Son mémoire de maîtrise, intitulé « Adaptation de domaine et hypothèses causales », a été réalisé à l'Institut Max-Planck pour les systèmes intelligents, sous la direction de la professeure Ruth Urner. Auparavant, elle a obtenu son baccalauréat en mathématiques à l'Université Ludwig-Maximilians de Munich. Ses recherches portent sur l'amélioration de la compréhension des modèles d'apprentissage machine et de leurs limites par le biais d'analyses mathématiques. Elle cherche à identifier des hypothèses intuitives pertinentes en pratique et permettant d'établir des garanties formelles dans les cas où les hypothèses statistiques classiques ne sont plus valides, comme dans le cadre de l'apprentissage par transfert. Elle estime qu'en développant des outils qui rendent plus explicites les limites d'un modèle, il devient plus facile d'évaluer la fiabilité de ses prédictions. Ses recherches actuelles portent sur l'apprentissage robuste face aux attaques adverses et sur l'apprentissage stratégiquement robuste, l'apprentissage distribué, l'apprentissage par transfert et l'équité algorithmique.