본 논문은 대규모 언어 모델(LLM)의 오류 감지에 대한 새로운 방법인 동시 언어 오류 감지(CLED)를 제안합니다. 기존 오류 감지 기법들이 모델 내부 노드에 접근해야 하는 것과 달리, CLED는 LLM의 출력만을 이용하여 오류를 감지합니다. LLM의 오류 없는 출력은 일반적인 유효한 텍스트라는 점에 착안하여, 출력 텍스트의 언어적 특징을 추출하고 이를 동시 분류기에 입력하여 오류를 검출합니다. 뉴스 요약(T5 모델) 및 번역(OPUS-MT 모델) 작업에서 CLED를 평가한 결과, 낮은 오버헤드로 대부분의 오류를 감지할 수 있음을 보였으며, 동시 분류기의 사용을 통해 오류 감지 효과와 오버헤드 간의 절충이 가능함을 확인했습니다.
