연구진은 Gemini 2.5 Flash, 3.5 Flash, 3.1 Pro 모델을 활용한 오디오 평가 모델(LALM)의 신뢰성을 평가했어요. Gemini 2.5 Flash는 8가지 평가 항목에서 인간 평가자와의 상관관계가 높았으며, 6~92%의 세션에서 인간 평가자 평균과 1점 이내로 일치했어요. LALM은 인간 평가자보다 저렴하며, 특정 조건에서 인간 평가를 대체하거나 네 번째 평가자로 활용할 수 있는 근거를 제시했어요.