본 논문은 대규모 언어 모델(LLM)을 활용한 대규모 텍스트 데이터 처리에서 비용 효율적인 전략을 제시한다. 최고 성능의 고가 LLM과 저렴하지만 성능이 낮은 LLM을 결합하는 모델 캐스케이드 프레임워크를 개선하여, BARGAIN이라는 새로운 방법을 제안한다. BARGAIN은 적응적 샘플링 전략과 통계적 추정 절차를 통해 저렴한 LLM을 효율적으로 활용하여 비용을 최대 86%까지 절감하면서도 정확도, 정밀도, 재현율에 대한 강력한 이론적 보장을 제공한다. 8개의 실제 데이터셋을 이용한 실험 결과를 통해 이러한 효율성과 보장을 검증하였다.
