연구진은 다중 인스턴스 학습(MIL)을 활용한 환각 감지 방법인 HaMI의 의사결정 마진에 대한 이론적 분석을 수행했어요. 분석 결과, 내부 상태를 시맨틱 일관성과 함께 확장하면 의사결정 마진이 커진다는 사실을 밝혀냈습니다.
연구진은 의사결정 마진 확대 관점에서 기존 문장 분류 모델을 재검토하고, 토큰 레벨 특징을 맥스 풀링을 통해 집계하고 경량화된 MLP를 사용하여 문장 점수를 직접 추정하는 방법을 제안했어요.
제안된 방법은 시맨틱 일관성 계산 없이 내부 특징 표현을 적응적으로 집계하여 상당한 효율성 향상을 이루었으며, 최첨단 기준 성능과 경쟁력 있는 성능을 유지했어요.