연구진이 시각-언어 모델(VLM)의 테스트 시간 성능 향상을 위한 새로운 방법 MOON(Mixture of Von Mises-Fisher Models with Dynamic Shrinkage)을 제안했어요. MOON은 불균형한 클래스 분포 문제를 해결하기 위해 Von Mises-Fisher 분포 혼합 모델을 기반으로 동적 축소 강도를 사용해요.
MOON은 기존 방식의 단점을 보완하기 위해 사전 정보와 경험적 추정치 간의 적응적 축소 동작을 구현하며, 불안정 assignments를 억제하고 이상치 클래스의 업데이트를 방지해요.
모델에 구애받지 않고 학습 없이 사용 가능하며, 관련 코드는 GitHub에서 확인할 수 있어요.