본 논문은 실제 환경의 대규모 언어 모델(LLM) 언러닝 시나리오에서 기존 언러닝 평가 지표의 실용성, 정확성, 강건성에 대한 한계를 분석합니다. 이러한 한계를 극복하기 위해, 검증 집합을 사용하여 핵심 토큰을 식별하고 그 신뢰도 점수의 분포 편향을 수정하는 새로운 지표인 분포 수정 기반 언러닝 평가(DCUE)를 제안합니다. 평가 결과는 Kolmogorov-Smirnov 검정을 사용하여 정량화됩니다. 실험 결과는 DCUE가 기존 지표의 한계를 극복함을 보여주며, 이는 향후 더 실용적이고 신뢰할 수 있는 언러닝 알고리즘 설계에 대한 지침을 제공합니다.
