시각-언어 모델(VLM) 앙상블, 은하 병합 분류에서 인간 전문가급 정확도 달성

arXiv에 공개된 연구에 따르면 베이지안 통계 프레임워크로 결합한 시각-언어 모델(VLM) 앙상블이 은하 병합 형태 분류에서 훈련된 인간 전문가에 필적하는 정확도를 보였다. 연구진은 Gemma-4 E2B, Gemma-4 E4B, Qwen2.5-VL, Qwen3-VL 등 4개 모델 구조에 걸친 15가지 VLM 분류기 구성을 Lambrides et al. (2021a)의 VELA+SUNRISE 모의 은하 이미지 41개에 적용했다. 앙상블은 확신 있는 분류(병합 확률 pM >= 0.8 또는 pM <= 0.2)에서 83.3% 정확도와 58.3% 완전도를 기록해 인간의 85%와 비교됐고, 집단 병합 비율을 참값 0.585에 대해 0.66시그마 이내(fM = 0.52 +/- 0.09)로 복원했다. 베이지안 가중치는 단순 다수결 대비 전체 정확도를 17.1%포인트, 민감도를 29.2%포인트 끌어올렸다. 다만 모든 검증은 모의 이미지로만 수행된 개념 증명 단계이며, 실제 관측 표본에 적용하려면 추가 보정과 관측 검증이 필요하다고 연구진은 밝혔다.