연구진은 초기 사용자 요청이 명확하지 않을 때 발생하는 자연어 인스턴스 탐색의 어려움을 해결하기 위해 ProCompNav 프레임워크를 제안했습니다.
ProCompNav는 후보군을 구성한 후 비교적 판단을 통해 목표를 식별하는 2단계 프레임워크로, 각 단계에서 후보군을 분할하는 속성-값 쌍을 추출하고 이분법적 질문을 합니다.
CoIN-Bench에서 ProCompNav는 기존 방식보다 성공률을 향상시키고 응답 길이를 단축했으며, TextNav에서 최고 수준의 성공률을 달성했습니다.