본 논문은 대규모 언어 모델(LLM)의 요약 능력, 특히 요약의 길이, 주제와 같은 속성 제어 가능성에 대한 연구를 다룹니다. 기존의 오류 평가 방식 대신 반복 평가 지표(실패율, 평균 반복 횟수)를 도입하여 LLM의 제어 가능성을 정밀하게 측정하고, 수치적 속성보다 언어적 속성 제어에 어려움을 겪는다는 점을 밝힙니다. 이러한 문제를 해결하기 위해, 초기 초안에서의 속성 불일치를 식별하고 이전 출력의 오류를 자체적으로 설명하도록 유도하는 '설명을 위한 가이드 프레임워크(GTE)'를 제안합니다. GTE는 모델이 불일치를 반영하여 원하는 속성을 만족하는 요약을 생성하며, 기존의 반복적 접근 방식보다 적은 반복 횟수로 효과적인 결과를 얻습니다.
