선택적 합리화를 위한 인기 있는 엔드-투-엔드 아키텍처인 선택-예측 파이프라인은 하이라이트를 추출하여 예측기에 공급하는 생성기를 포함합니다. 이러한 협력 시스템은 두 모듈 중 하나의 지배로 인해 최적이 아닌 평형 최소값을 갖는 상호 연동 문제를 겪습니다. 상호 연동을 해결하려는 여러 연구가 있었지만, 특징 기반 휴리스틱, 샘플링 및 임시 정규화를 도입하여 효과를 완화하는 데 그쳤습니다. 본 논문에서는 위에서 언급한 것과 같은 학습 오버헤드 없이 상호 연동이 없는 선택적 합리화를 위한 최초의 아키텍처인 GenSPP를 제시합니다. GenSPP는 유전적 전역 탐색을 통해 생성기와 예측기를 분리하여 학습함으로써 상호 연동을 방지합니다. 합성 및 실제 벤치마크에 대한 실험 결과, 제안된 모델이 여러 최첨단 경쟁 모델보다 우수한 성능을 보임을 확인했습니다.
