본 논문은 대규모 언어 모델(LLM)을 활용하여 도로 포장 상태를 자동으로 평가하는 제로샷 학습 기법을 제안한다. 기존의 수동 검사의 주관성과 기계 학습 기반 방법의 대규모 고품질 데이터 의존성 문제를 해결하기 위해, LLM의 이미지 인식 및 자연어 이해 능력을 활용하여 포장 상태 지수(PSCI) 기준에 맞춰 여러 LLM 기반 평가 모델을 개발하였다. 구글 스트리트 뷰 이미지를 사용한 광범위한 테스트를 통해 최적화된 모델이 전문가 평가를 능가하는 높은 정확도와 일관성을 달성함을 보여주었다. 이를 통해 LLM이 도로 손상 평가 자동화에 기여할 수 있음을 시사하며, 효과적인 프롬프트 엔지니어링의 중요성을 강조한다.
