연구진은 GUI 정렬 모델의 좌표 예측 성능을 높이기 위해 신뢰도 기반 교사-학생 증류(quality-aware self-distillation) 방법을 제안했어요.
기존 OPSD 방식의 문제점을 개선하기 위해, 학생이 생성한 프레임워크의 품질을 고려하여 교사 모델의 좌표 토큰 신호 품질을 향상시키는 기술을 적용했어요.
정확도 기반 게이팅과 교사 모델 확률 스케일링을 결합하여, 신뢰할 수 없는 좌표 토큰의 감독 신호를 억제하고 나머지 신호의 강도를 보정했어요.
실험 결과, 제안하는 방법은 기존 모델 성능을 향상시키고 강력한 기준 모델을 능가하는 결과를 보여줬어요.