대규모 언어 모델(LLM)이 특정 예측 작업에서 인간을 능가할 수 있지만, 인간은 LLM과 팀을 이룰 때 여전히 가치를 더할 수 있다. 팀 구성원의 자신감이 잘 보정되고, 팀 구성원이 어려움을 느끼는 작업에 차이가 있을 때(즉, 보정 및 다양성이 필요함), 인간과 기계 팀은 각 개별 팀원보다 뛰어난 성과를 낼 수 있다. 본 연구에서는 로지스틱 회귀 프레임워크를 사용하여 자신감 가중치를 적용하여 판단을 결합하는 베이시안 접근 방식을 단순화하고 확장했다. 이 방법을 이미지 분류 및 신경과학 예측 작업에 적용하여 인간 판단과 하나 이상의 기계를 결합했을 때 팀 전체의 성과가 일관되게 향상됨을 입증했다.
