본 논문은 다양한 모달리티의 계층적 데이터 모델링에 효과적인 도구로 떠오른 쌍곡선 신경망을 기반으로, 기초 모델의 토큰 분포가 무척도적 특성을 보이는 점에 착안하여 쌍곡선 공간을 유클리드 공간보다 적합한 공간으로 제시합니다. 기존 도구들의 부족한 기능들을 보완하여 다양한 모달리티에서 쌍곡선 기초 모델을 구축하기 위한 포괄적인 오픈소스 프레임워크인 HyperCore를 소개합니다. HyperCore는 다양한 모듈들을 제공하여 새로운 쌍곡선 기초 모델 개발을 용이하게 하며, 유클리드 모듈을 수정할 필요성을 줄이고 중복 연구를 방지합니다. 본 논문에서는 HyperCore의 다양성을 보여주기 위해 완전 쌍곡선 비전 트랜스포머(LViT), 완전 쌍곡선 다중 모달 CLIP 모델(L-CLIP), 쌍곡선 그래프 인코더를 사용한 하이브리드 그래프 RAG를 구축하고 테스트합니다. 실험 결과 LViT가 유클리드 기반 모델보다 우수한 성능을 보임을 확인하고, 쌍곡선 GNN, CNN, 트랜스포머, 비전 트랜스포머를 대상으로 한 실험들을 통해 HyperCore의 장점을 강조합니다.
