연구진은 모델 성능 향상을 위한 사후 학습을 통한 지연 학습(L2D)을 이상 분포 관점에서 분석했어요. 모델과 전문가의 이상 분포 간 밀도 비율을 활용해 지연 여부를 결정하며, 이를 통해 지연율을 조정할 수 있어요. KL 기반 이상 분포에서는 Chow의 규칙과 전문가 성능을 반영하는 베이즈 사후 분포 간의 연관성을 발견했어요.
실험 결과, 제안하는 방법은 기존 방식과 경쟁력 있는 성능을 보였고, 다양한 데이터 환경에서도 안정적인 결과를 보여줬어요. 이번 연구는 사후 L2D를 이상 분포 간 밀도 비율 학습으로 규정하고, Chow 스타일 규칙, 전문가 비교, 이상 탐지 등 관련 학습 환경과의 연관성을 밝혀냈어요.
향후 연구에서는 밀도 비율 학습을 통해 모델의 성능을 더욱 개선하고, 다양한 분야에 적용할 수 있을 것으로 기대돼요.