연구진은 현대 신경망 구조의 행렬 파라미터 구조를 고려하지 않은 기존 그래디언트 클리핑 방식의 한계를 지적했어요. 스펙트럴 클리핑은 데이터 이상치에 의해 증폭되는 주요 특이값을 제한하고 나머지 특이방향은 보존하여 학습을 안정화하는 방식이에요. 새로운 기법은 기존 최적화 알고리즘에 쉽게 통합될 수 있으며, 실험 결과 합성 데이터 및 신경망 학습에서 우수한 성능을 보였어요.