연구진이 딥러닝 모델의 일반화 성능을 높이는 새로운 최적화 기법 EISAM을 제안했어요. EISAM은 Sharpness-Aware Minimization (SAM)에 Extragradient 기법을 적용하여 기존 방식보다 더 나은 성능을 보여줘요.
EISAM은 예측 단계와 교란 단계로 구성된 2단계 업데이트 과정을 통해 모델 파라미터를 평탄한 최소점으로 유도하며, 기존 방식보다 교란 반경에 덜 민감해요.
벤치마크 데이터셋 실험 결과, EISAM은 SGD, Adam, SAM보다 테스트 정확도와 학습 효율성 모두에서 우수한 성능을 보였으며, 이론적 분석을 통해 일반화 경계를 더욱 좁히는 것을 확인했어요.