연구진은 AI 기반 신약 개발 및 제품 추천에 활용되는 신경망 집합 함수 학습을 위한 최적 부분 오라클 프레임워크를 제안했어요. 기존 방식의 몬테카를로 샘플링 기반 경사 추정 방식의 비효율성을 개선하기 위해, 증거 하한을 연속 이완으로 재해석하고, 샘플링 없이도 안정적이고 효율적인 경사를 제공하는 대체 목적 함수를 학습했어요. 제안 방식은 기존 방식 대비 계산 비용을 줄이고 추론 속도를 높여 다양한 실제 작업에서 성능 향상을 입증했어요.
학습된 대체 목적 함수는 증거 하한의 경사 추정을 대신하여, 변분 최적화 과정에서 안정적이고 효율적인 경사를 제공하며, 하위 모듈화 최대화 조건 하에 근사 보장도 제공돼요. 기존 방식과 비교하여 계산 비용을 줄이고 추론 속도를 높이는 효과를 보여줘요.