アダプタとして機能する追加パラメータを組み込んだネットワーク構造と、追加パラメータから評価指標を近似する軽量なMLPを組み合わせて探索を実行するMetricOptを提案した。事前学習モデルのファインチューニングに効果的で、また評価指標ごとに個別の代理損失関数を作り込む必要がないとの主張。

画像分類、画像検索及び物体検出のタスクで、代理損失やブラックボックス最適化を含む従来手法との比較を行い、全てにおいて従来手法を上回る結果。

事前学習モデルをAUCやAPなどの評価指標で学習させたいという実際的な課題に対する統一的な手法を提案し、かつ複数のタスクで有効性を示しているため通ったと考えられる。