LLM 요약 평가의 어려움을 해결하기 위해 14가지 자동 평가 지표와 LLM 평가기를 다양한 데이터셋으로 비교 분석했어요. 전통적인 어휘 중복 지표는 사람 평가와 상관관계가 낮았지만, LLM 기반 평가기는 언어 품질 평가에서 높은 정확도를 보였어요. LLM-ReSum 프레임워크는 LLM 평가와 생성을 결합하여 요약 품질을 향상시켰고, 사람 평가에서 89%가 개선된 요약을 선호했어요.