LLM의 신뢰도 향상을 위해 의미 임베딩의 고유값 활용이 중요해지고 있어요. 기존 분류 확률 교정 방식이 고유값에 적용되지 않는 문제를 해결하기 위한 새로운 프레임워크를 제안했어요. LLM과 의미 임베딩을 밀도 행렬 예측기로 해석하고, 고유값에 온도 스케일링을 적용하여 교정하는 방법을 제시했어요.
교정 시 엔트로피-위험 등가성을 활용하고, 고유값에 특화된 교정 부등식을 도출했어요. 온도 스케일링된 고유값이 적절한 위험을 최소화하며 교정을 최적화한다는 것을 증명했어요.