본 논문은 대규모 언어 모델(LLM)을 사용하여 생성된 합성 테스트 컬렉션의 신뢰성을 연구합니다. LLM을 활용하여 질의, 라벨 또는 둘 다를 생성하는 합성 테스트 컬렉션의 잠재적 편향을 조사하고, 이러한 편향이 시스템 평가에 미치는 영향을 분석합니다. 연구 결과는 합성 테스트 컬렉션을 사용한 평가에서 편향이 존재함을 보여주며, 절대적인 시스템 성능 측정에는 영향을 미칠 수 있지만, 상대적인 시스템 성능 비교에는 덜 중요할 수 있음을 시사합니다.