연구진이 생성적 학습과 판별적 학습의 균형이 인간의 시각 정렬에 미치는 영향을 Joint Energy-Based Models (JEMs)를 활용해 분석했어요. JEMs는 고정된 구조 내에서 생성적 학습과 판별적 학습을 연속적으로 조절할 수 있도록 설계됐어요.
6가지 인간 정렬 벤치마크 테스트 결과, 생성적 학습과 판별적 학습의 중간 지점이 인간의 시각 정렬을 가장 효과적으로 최대화하는 것으로 나타났어요. 이는 기존 연구에서 혼동되었던 학습 목표 자체의 영향력을 보여줘요.
연구 결과는 인간과 유사한 시각을 구현하기 위해서는 생성적 학습과 판별적 학습을 이분법적으로 나누기보다 균형을 맞추는 것이 중요함을 시사하며, 하이브리드 JEMs가 다양한 수준에서 인간과 유사한 행동을 보이는 데 기여하는 것으로 확인됐어요.