본 논문은 대규모 언어 모델(LLM)의 환각 및 프롬프트 변화에 대한 민감성으로 인해 발생하는 일관성 없는 또는 신뢰할 수 없는 텍스트 생성 문제를 다룹니다. 기존의 LLM 응답 일관성 측정 방법들은 재샘플링된 응답 풀 내에서 응답의 확률 또는 내부 상태나 로짓에 의존하는데, 이러한 방법들이 사람들이 인식하는 LLM 응답의 일관성을 얼마나 잘 근사하는지는 불분명했습니다. 본 연구는 2,976명을 대상으로 한 사용자 연구를 통해 기존 방법들이 사용자의 LLM 일관성 인식을 잘 반영하지 못함을 밝혔습니다. 따라서, 로짓 기반 앙상블 방법을 제안하여 LLM 일관성을 추정하고, 이 방법이 기존 최고 성능 메트릭과 유사한 성능을 보임을 보여줍니다. 결론적으로, 인간 평가 없이 LLM 일관성을 추정하는 방법의 불완전성을 지적하며, 인간 입력을 통한 평가의 광범위한 사용을 제안합니다.
