본 논문은 자동화와 같은 형식적 명세를 학습하는 데 활용되는 능동 학습(Active Learning)을 확장한 연구입니다. 기존의 능동 명세 학습이 주로 멤버십 레이블(Membership Labels)에 의존했던 것과 달리, 본 연구는 멤버십 레이블과 쌍방향 선호도(Pair-wise Preferences)를 전략적으로 결합하는 새로운 프레임워크를 제안합니다. 쌍방향 선호도는 멤버십 레이블의 대안으로 널리 사용되는 방법입니다. 두 가지 모달리티(멤버십 레이블과 쌍방향 선호도)의 결합을 통해 더욱 유연한 능동 명세 학습 접근 방식을 제시하며, 두 가지 다른 도메인에서 해당 프레임워크를 구현하여 일반성을 입증합니다. 실험 결과는 멤버십과 선호도를 통해 명세를 강건하고 편리하게 식별할 수 있음을 보여줍니다.
