왜 AI 생성 LP는 전부 똑같이 보이는가: 선호도 튜닝의 모드 붕괴를 측정값으로 읽기

요약

LLM의 출력은 단순 평균화가 아닌 선호도 최적화 과정에서 특정 모드로 수렴(Mode Collapse)하는 경향이 있습니다. 이는 모델이 가장 높은 보상 지점에 확률 질량을 집중시키기 때문입니다. 따라서 다양성을 확보하려면 프롬프트 방향 설정, 디자인 토큰 변경 등 구조적인 접근 방식이 필요합니다.

핵심 포인트

• LLM의 결과물 수렴은 평균화가 아닌 선호도 최적화에 기인한다.
• 모델은 가장 높은 보상 지점에 확률 질량을 집중시키는 경향을 보인다.
• AI 디자인 특징이 발견된 랜딩 페이지는 전체 중 22%를 차지했다.
• 다양성 확보를 위해 '디자인 토큰' 변경 등 구조적 접근이 중요하다.