연구진은 사용자의 질문 표현 변화에 민감하게 반응하는 LLM의 문제점을 지적하며, '그린 쉴딩'이라는 사용성 중심의 새로운 접근 방식을 제안했어요.
그린 쉴딩은 'CUE' 기준(맥락, 유용성, 유도)을 통해 실제 사용 환경의 변화를 반영한 벤치마크를 구축하고 모델의 행동 변화를 분석하는 것을 목표로 해요.
의료 진단 벤치마크 'HealthCareMagic-Diagnosis'를 통해 LLM의 출력 변화가 임상적으로 의미 있는 차원을 따라 발생하며, 안전성과 효율성 간의 균형을 맞추는 것이 중요함을 보여줬어요.