per-sample-balanced-focal-loss
샘플별 균형 포컬 손실
각 학습 샘플 내부에서 keep 토큰과 prune 토큰을 따로 평균내어 두 클래스의 손실 기여를 균형화한 손실 함수로, 전체 배치의 평균적 keep 비율에 영향을 받지 않도록 설계되었다. 구체적으로 토큰별 포컬 스케일링을 적용한 뒤 샘플 내 keep과 prune 손실을 동일 가중치로 평균한다. 이 방식은 각 샘플에서 드물게 남는 소수의 keep 라인을 더 강하게 학습하게 하여 복원 가능한 정보의 보존을 향상시켰다.
