연구진은 기존 대조 학습의 표현 얽힘 문제를 해결하기 위해 BayesNCL(Bayesian Gated Non-Negative Contrastive Learning)을 제안했어요. BayesNCL은 베이지안 게이팅 메커니즘을 도입하여 불필요한 공통 특징을 걸러내고 의미 있는 특징을 선택적으로 유지해요.
Imagenet-100 데이터셋 실험 결과, BayesNCL은 기존 방식 대비 의미 일관성 142.1% 향상이라는 뛰어난 성능을 보여줬어요. 이는 표현의 해석 가능성을 높이는 데 기여했어요.
연구 결과는 GitHub에서 확인할 수 있으며, 안전이 중요한 분야에서 표현의 해석 가능성을 높이는 데 기여할 것으로 기대돼요.