연구진은 MLLM의 한계를 극복하기 위해 잠재적 순서형 프로토타입 정렬(LOPA)을 제안했어요. LOPA는 순서형 기하학적 사전 지식을 잠재 공간에 직접 적용하는 프로토타입 기반 정규화 기법이에요.
SALR과 결합된 LOPA는 0.361의 RMSE를 달성하며, LLM 기반 미세 조정 없이도 100억 파라미터 시스템에 버금가는 성능을 보여줬어요.
SALR과 LOPA의 시너지 효과는 기준에 부합하는 해석 가능한 선호도를 제공하며, 현재의 확장 중심 모델에 대한 효율적인 순서형 모델링 대안을 제시합니다.