연구진은 모델 검색 시 텍스트 기반 유사성 검색의 한계를 지적하며, 구조화된 테이블 정보를 활용하는 새로운 프레임워크 'StructuredSemanticSearch'를 제안했어요.
StructuredSemanticSearch는 모델 카드에서 성능, 설정, 데이터셋 테이블 등 구조화된 정보를 추출하여, 사용자의 쿼리에 맞는 모델을 검색하고 비교하는 데 활용돼요.
새로운 평가 프로토콜을 통해 구조화된 테이블 기반 검색이 텍스트 기반 검색보다 더 다양한 정보를 제공하며, 모델 추천 쿼리에서 높은 정보 커버리지를 달성했음을 확인했어요.
연구 결과는 동적 모델 레이크에서 증거 기반 라벨링을 위한 확장 가능한 경로를 제시하며, 모델 검색 방식의 새로운 가능성을 열었어요.