장문 생성(long-form generations)의 사실성(factuality)을 평가하는 것은 주로 모델이 내세우는 주장이 정확한지를 측정하는 정밀도(precision)에 집중해 왔습니다. 지배적인 분해-탐색-검증(decompose-search-verify) 파이프라인은 잘못된 주장을 잘 잡아내지만, 응답이 포함해야 할 모든 정보를 담고 있는지에 대해서는 거의 알려주지 않습니다. 사실성의 나머지 절반인 사실적 완결성(factual completeness)을 측정하는 것은 더 어렵습니다. 이는 완전한 답변이 포함해야 할 전체 사실 집합을 열거해야 하며, 이러한 사실들은 평면적인 목록(flat list)을 형성하는 경우가 드물기 때문입니다. 사실들은 종종 커버리지(coverage)가 중요한 개방형 집합, 순서가 있는 프로세스, 그리고 독립적인 불리언(boolean) 체크 목록으로는 포착할 수 없는 사실 간의 관계를 포함합니다. 우리는 개방형 생성 평가를 위한 2단계 메타 루브릭(two-level meta-rubric) 프레임워크를 도입하며, 이를 장문 생성의 사실적 완결성을 위한 벤치마크인 Gamut (Grounded Assessment of Multimodal Factuality)으로 구체화합니다. 이 프레임워크는 2단계 루브릭 표현에 기반합니다. 구조화된 메타 루브릭은 필수 콘텐츠의 조직과 중요성을 포착하며, 이는 이후 LLM 판정관(judge)이 신뢰성 있게 점수를 매길 수 있는 이진(binary) 방식의 기계 판독 가능 루브릭의 평면적 체크리스트로 기계적으로 컴파일됩니다. 우리는 10개의 다양한 도메인에 걸쳐 실제 웨어러블 이미지에 기반한 1,813개의 질문을 구축하였으며, 각 질문은 전문 인간 주석가(human annotators)가 검증한 증거 기반 루브릭과 쌍을 이룹니다. 이 프레임워크는 양식 불가지론적(modality-agnostic)이기 때문에, 텍스트 전용 변형 모델도 함께 공개합니다. 14개의 프런티어(frontier) 및 오픈 웨이트(open-weight) 모델을 평가한 결과, 이 벤치마크는 진정으로 도전적이며(Gemini 3.1 Pro의 최고 점수 58.7%), 변별력이 높고, 판정관의 선택에 대해 견고(robust)하다는 것을 발견했습니다.