self-moa

단일 모델을 여러 번 샘플링해 생성 결과를 합치는 mixture-of-agents 방식의 한 변형이다. 논문에서는 동일 모델 반복 샘플링(Self-MoA)과 이질적 모델의 결합을 정확도·상관 측면에서 비교해, 동일 품질 조건에서 낮은 상관(다양성)이 이득을 준다는 결과 일부를 확인했다. Self-MoA는 높은 intra-model 상관으로 인해 이질적 앙상블에 뒤질 수 있다.