연구진은 LLM 판독 모델의 신뢰성을 평가하기 위해 심층 연구 시스템에서 인용 품질을 벤치마킹했어요. GPT-5 mini는 90.8%의 높은 소스 관련성 F1 점수를 기록했지만, 사실적 지원 측면에서는 다른 모델과 차이가 없었어요. 판독 모델의 방향성 편향은 F1 점수만으로는 파악하기 어렵기 때문에, LLM을 활용한 강화 학습 루프 전에 판독 모델을 교정하는 것이 중요해요.