연구진은 예측 성능은 물론, 독립적인 감사자가 적용할 수 있을 만큼 의미 있는 텍스트 표현을 제안했어요.
기존 방식은 익명 임베딩 방향을 사용하거나, LLM을 활용해 자연어 이름을 붙이지만 재현 가능성과 예측 목표와의 분리성을 보장하지 않아요.
LLM 보조 기능 발견(LFD) 방법은 개념적 명확성(독립적인 평가자 간의 합의)과 레이블 분리(예측 목표를 단순 패러프레이즈하지 않음)라는 기준을 충족해요.
10개의 텍스트 분류 작업에서 LFD는 강력한 텍스트 병목 현상 기준과 비슷한 예측 성능을 보이며, 더 명확하고 레이블과 덜 얽힌 특징을 생성했어요.