본 논문은 혼합 정수 선형 계획법(MILP) 문제 해결을 위한 브랜치 앤 바운드(BB) 방법에서 브랜칭 정책 개선을 위해 개발된 동적 계층적 대비 훈련 프레임워크인 \ours를 제안한다. \ours는 GCNN 기반의 판별 모델을 사용하여 노드를 그룹화하고, 노드 표현을 학습하며, 상위 노드의 데이터 부족 문제를 해결하기 위해 이론적으로 동등하고 교란된 인스턴스를 생성하는 상위 노드 보강 MILP 파생 절차를 도입한다. 본 연구는 브랜칭 정확도 향상, 해결 시간 단축, 보이지 않는 인스턴스에 대한 효과적인 일반화를 목표로 한다.
