본 논문은 인공지능(AI) 모델의 설명가능성(XAI) 평가의 어려움을 해결하기 위한 새로운 프레임워크를 제안합니다. 기존의 XAI 평가는 정량적 특성(충실도, 일관성, 안정성 등)에만 초점을 맞추는 한계가 있었는데, 본 논문에서는 정량적 벤치마킹과 사용자의 질적 평가를 통합하는 프레임워크를 제시합니다. 대규모 언어 모델(LLM)의 배경 스토리인 "Anthology"를 기반으로 가상의 사용자 페르소나를 활용하여 질적 평가를 수행하고, 데이터셋 특성을 활용한 콘텐츠 기반 추천 시스템을 통해 최적의 AI 모델과 XAI 방법을 추천합니다. 이는 주어진 시나리오에 대한 XAI 점수를 예측하고 맞춤형 권장 사항을 제공합니다.
