연구진은 LLM이 희소한 데이터 환경에서 최적화 서브 모델로 사용될 때, 프롬프트 텍스트와 쿼리 프로토콜에 따라 불확실성이 크게 달라진다는 것을 확인했어요. 구조적 프롬프트는 효과적인 사전 지식으로 작용하며, POINTWISE와 JOINT 쿼리는 서로 다른 믿음을 유도하고, 순차적 증거는 비선형적인 신뢰도 업데이트를 발생시킵니다. 이러한 요소들은 LLM 서브 모델의 사양에 포함되어야 하며, 단순한 형식적 세부 사항이 아니라는 점을 강조합니다.