연구진은 에세이 평가 기준이 변경될 때의 일반화 성능을 연구했어요. LLM 기반 자동 에세이 평가 모델을 개발해 다양한 평가 기준에 대한 적응력을 높였어요.
연구 결과, 평가 기준에 상관없이 에세이의 핵심 특징을 나타내는 ‘특징(traits)’을 활용하면 성능이 향상됐어요. 특히 새로운 평가 기준과 에세이가 모두 주어지지 않은 상황에서 5.0%의 성능 향상을 보였어요.
최적화된 모델은 GPT-5-mini 프롬프팅보다 2.1% 높은 성능을 보였으며, GPT-5와 1.9% 차이를 기록했어요. 이는 특징 기반 중간 구조와 제어된 감독 학습이 새로운 평가 기준에 대한 일반화를 개선하는 데 도움이 된다는 것을 보여줘요.