연구진은 TreeSHAP 기반 가중치를 활용한 XAI-가이드형 적응형 융합(XGAF) 방식을 재검토했어요. 전문가들의 특징 차원 불균형이 있을 때 SHAP 가중치 감소 방식에 따른 영향을 분석했는데, sum-abs 방식은 고차원 교차 모드 전문가를 보존해요. MELD 데이터셋에서 sum-abs XGAF는 기존 융합 방식에 근접한 성능을 보였고, CMU-MOSEI 데이터셋에서는 초기 융합 방식보다 약간 더 나은 성능을 기록했어요.