연구진은 고위험 의사결정 환경에서 활용되는 샘플 기반 생성 모델의 학습 목표가 의사결정자의 비용 구조를 고려하지 않는다는 문제점을 지적했어요. 에너지 점수와 같은 엄격하게 적절한 점수 규칙을 활용하여 학습 신호를 데이터 밀도에 따라 할당하지만, 예측 오류가 가장 큰 비용을 초래하는 상황을 인지하지 못한다는 것이죠. 의사결정자의 비용을 직접적으로 반영하는 가중치를 부여하여 모델의 예측 성능을 개선하는 새로운 학습 방법을 제안했어요.
새로운 학습 방법은 에너지 점수 목표에 가중치를 부여하는 의사결정 손실을 추가하여 이론적으로 뒷받침돼요. 이 손실은 적절한 점수 규칙으로 간주돼요. 합성 데이터와 실제 데이터셋을 활용한 실험 결과, 비용에 민감한 영역에서 성능 향상을 확인했으며, 완전한 확률 예측을 유지하는 데 성공했어요.
이번 연구는 샘플 기반 생성 모델의 실용성을 높이고, 고위험 의사결정 환경에서의 활용 가능성을 제시합니다.