본 논문은 오픈월드 조합 제로샷 학습(OW-CZSL)에서 객체의 속성(상태)이 현실적인지 여부를 판단하는 문제를 다룬다. 기존 제로샷 예측기는 모든 가능한 상태-객체 조합을 보지 못한 클래스로 간주하기 때문에 성능이 저조하다. 본 연구는 외부 보조 지식을 활용하여 상태-객체 조합의 타당성을 판단하는 방법인 FLM(Feasibility with Language Model)을 제안한다. FLM은 대규모 언어 모델(LLM)을 활용하여 상태와 객체 간의 의미 관계를 이해하고, 주어진 쌍의 타당성에 대한 질의를 통해 긍정적인 답변에 대한 출력 로짓을 얻는다. 많은 상태-객체 조합이 드물거나 불가능하다는 점을 고려하여, LLM의 컨텍스트 학습 능력을 활용하고, Vicuna와 ChatGPT를 최적 모델로 선정하여 다양한 벤치마크에서 OW-CZSL 성능 향상을 보였다.
