여러 AI 모델의 합의를 통해 실제 세계 사건에 대한 확률 추정치를 생성하는 시스템의 이론적 근거에 대한 질문이 제기됐어요. 모델 간 오류의 독립성이 떨어질 수 있으며, 유사한 데이터 분포와 구조를 가진 모델은 동일한 오류를 공유할 가능성이 있어요. 새로운 사건에 대한 확률 추정의 신뢰성 확보가 중요하지만, 훈련 데이터 분포를 벗어난 상황에서는 성능이 불안정할 수 있다는 우려가 있어요.