이미지 예산 절제 8 → 4장

TL;DR 이미지 예산을 반으로 줄이면 검색 기반(tagmem)만 버틴다. Finding −1.6pp(p=.11)·Restore −1.8pp(p=.06)인 반면 vis-pure 는 −14.3/−8.7pp, uniform 은 −14.1/−5.8pp(모두 p<.001)로 무너지고 기권이 2.5~3배 뛴다. 검색은 질의에 맞는 프레임을 골라 예산 안에 넣기 때문이다.

−1.6 / −1.8

tagmem Δ (Finding / Restore), n.s.

−14.3 / −8.7

vis-pure Δ, p<.001

−14.1 / −5.8

frames-uniform Δ, p<.001

$65

비용(읽기 $36 + vis-pure 재-ingest $29)

1 설계

조건은 본표와 동일(find 루트 fd856246·722질의, restore 루트 6511da78·힌트 v2, writer preamble v2, 읽기 v8). 바뀐 것은 --cap 4 뿐.
frames-uniform: 균등 4장(writer 없음). vis-pure: writer 가 보관 예산 4 로 다시 씀(용량 자체가 4). tagmem: DB 는 본표 그래프(find v5 · restore v11) 그대로, 읽기 이미지 예산만 4.
가족당 2잡 × 4샤드(own, gpu 0), 채점 scripts/tagabl/analyze_imgcap.py(본표 분모·보정 ①②), LaTeX tables/ablation_image_budget.tex.

2 결과

가족(n)	전략	8장 (기권)	4장 (기권)	Δ	McNemar 4 vs 8
Finding(717)	frames-uniform	35.7 (36)	21.6 (105)	−14.1	+39/−140 p<.001
	vis-pure	44.1 (22)	29.8 (57)	−14.3	+44/−146 p<.001
	tagmem	46.6 (34)	45.0 (38)	−1.6	+14/−25 p=.11
Restore(575)	frames-uniform	9.6 (56)	3.8 (141)	−5.8	+10/−43 p<.001
	vis-pure	16.0 (33)	7.3 (100)	−8.7	+14/−64 p<.001
	tagmem	19.0 (39)	17.2 (36)	−1.8	+7/−17 p=.06

Finding 4장 셀별: tagmem S-Act. 51.8 · S-Obs. 60.3 · S-Conc. 57.1 · M-Act. 10.9 · M-Obs. 30.0 — 8장 대비 다중 acted(16.8→10.9)만 줄고 단일 셀은 유지. vis-pure 는 전 셀 −6~−22pp, uniform 은 M-Act. 0.0. 비검색 전략은 4장 안에 정답 프레임이 들 확률이 반감되어 기권으로 흐른다.

3 Takeaway · 다음

"retrieval makes the image budget go further": 같은 reader·같은 편에서 예산 절반의 손실이 tagmem 1.6~1.8pp vs 비검색 6~14pp.
(선택) 2장·16장 점을 더해 곡선으로(전략당 ≈$6~10/가족 + vis-pure 재-ingest). Routine·Resume 확장은 사용자 결정.

이미지 예산 절제 — reader 이미지 8 → 4장

1 설계

2 결과

3 Takeaway · 다음