본 논문은 Hugging Face PTM 레지스트리에서 사전 훈련된 모델(PTM)의 명명 관행에 대한 최초의 경험적 조사를 수행합니다. 108명의 Hugging Face 사용자를 대상으로 한 설문 조사 결과, 기존 소프트웨어 패키지 명명과의 차이점과 PTM 명명 관행에 대한 분석 결과를 제시합니다. 설문 조사 결과는 엔지니어의 선호도와 현재 PTM 명명 관행 간의 불일치를 보여줍니다. 이어서, PTM 명명 불일치를 감지하도록 설계된 최초의 자동화된 DNN 아키텍처 평가 기술인 DARA를 소개합니다. DARA는 아키텍처 정보만으로 모델 유형을 94%의 정확도로 식별하고, 다른 아키텍처 메타데이터에서도 70% 이상의 성능을 달성합니다. 또한 모델 검증, PTM 메타데이터 생성 및 검증, 표절 탐지와 같은 자동화된 명명 도구의 잠재적 사용 사례를 강조합니다. 본 연구는 명명 불일치 탐지를 자동화하기 위한 기반을 제공하며, 패키지 명명 표준화, 모델 선택 및 재사용 개선, PTM 공급망 보안 강화를 위한 자동화 도구에 대한 미래 연구를 제시합니다.
