연구진은 다중 작업 최적화 문제를 해결하기 위해 패레토 집합 학습(PSL) 방법의 한계를 극복하는 CoAction 프레임워크를 제안했습니다. CoAction은 작업별 임베딩 벡터를 활용하여 모델이 여러 작업을 동시에 처리하고 작업 간 지식 공유를 촉진합니다. Transformer 인코더를 기반으로 하여 복잡한 작업 의존성을 파악하고, 다양한 테스트에서 Hypervolume, Range, Sparsity 측면에서 효과적인 성능을 보였습니다.