본 논문은 LLM(Large Language Model)의 다양한 관점 표현 정도를 측정하는 새로운 프레임워크를 제시한다. (i) 오버톤 다원주의를 집합 커버리지 지표(OvertonScore)로 공식화하고, (ii) 대규모 미국 대표 인간 연구(N = 1209; 60개 질문; 8개 LLM)를 수행하며, (iii) 인간 판단을 근접하게 재현하는 자동화된 벤치마크를 개발한다. 모델들은 평균적으로 0.35~0.41의 OvertonScore를 기록했으며, DeepSeek V3가 가장 우수한 성능을 보였다. 모든 모델은 이론적 최대값인 1.0에 크게 미치지 못해 개선의 여지가 있음을 시사한다. 대규모 인간 연구의 비용과 속도 문제를 해결하기 위해, 인간 평가를 대체하지 않으면서도 높은 순위 상관관계($\rho=0.88$)를 보이는 자동화된 벤치마크를 제안한다.
