본 논문은 모델 정규화에서 과적합을 방지하기 위한 복잡도 조절을 자동화하는 새로운 방법인 교차 정규화(Cross-regularization)를 제안한다. 기존의 수동 튜닝 방식과 달리, 교차 정규화는 검증 데이터의 기울기를 활용하여 정규화 파라미터를 직접 조절함으로써 훈련 데이터는 특징 학습에, 검증 데이터는 복잡도 제어에 기여하도록 한다. 이를 통해 교차 검증 최적점에 수렴함을 증명하고, 신경망에 노이즈 주입을 통해 구현할 경우 높은 노이즈 내성과 아키텍처 특화 정규화를 자연스럽게 얻을 수 있음을 보여준다. 또한, 데이터 증강, 불확실성 보정, 데이터셋 증가와의 통합이 용이하며, 기울기 기반 접근 방식을 통해 단일 실행 효율성을 유지한다.
