본 논문은 알고리즘 실행 시간을 직접 제한하는 계산 기하학의 복잡성 측정치인 range-partition entropy의 최초의 미분 가능한 근사치를 소개합니다. 이 방법은 아키텍처 수정과 달리 기존 최적화와 결합될 때 효율성을 향상시키는 보완적인 정규화기입니다. Convex hull 및 삼각 측량에서 최대 5배의 속도 향상과 0.2% 미만의 오차를 달성하며, ImageNet-1K의 ViT-Base에서 80% 희소성을 가진 80.1%의 top-1 정확도를 보입니다. 또한, 대규모 언어 모델(LLaMA-2 7B, Mistral-7B, Phi-2)에서 최소한의 품질 저하(ROUGE-L 0.3-0.4점 감소, 혼란도 0.9 증가)와 함께 70-75% 희소성에서 1.48-1.60배의 추론 속도 향상을 달성합니다. 이 방법은 표현 복잡성을 직접 최소화하여 효율성 향상과 의미론적으로 구조화된 희소성 패턴을 통해 견고성을 향상시킵니다.
