작은 언어 모델 (LLM) 이 자신의 정확도를 얼마나 신뢰할 수 있는가? 이 답변이 로컬-클라우드 라우팅 (거기서 처리할 수 없는 저렴한 로컬 모델의 쿼리가 증가하는 경우) 을 감독적 훈련 데이터 없이 작동하게 하는지 결정한다. 추론 비용이 대형 언어 모델 (LLM) 배포 예산을 지배하고 있으므로, 대부분의 쿼리는 저렴한 로컬 모델로 라우팅하고 어려운 경우에만 비싼 클라우드 호출을 예약하는 것이 점점 더 일반적인 비용 통제 전략이다. 우리는 3 개의 7-8B 모델 가족과 2 개의 데이터셋 (각각 1,000 개와 500 개의 쿼리) 을 기준으로 제로샷 신뢰도 신호를 RouteLLM 스타일의 감독적 베이스라인과 비교한다. 훈련 데이터를 필요로 하지 않는 평균 토큰 로그 확률 (Average token log-probability) 은 분포 내 (Area Under the Receiver Operating Characteristic curve (AUROC) 0.650-0.714 vs. 0.644-0.676) 에서 감독적 베이스라인과 일치하거나 초과하며, 분포 외 (out-of-distribution) 에서는 크게 우세하다 (0.717-0.833 vs. 0.512-0.564). 이는 쿼리 분포가 아니라 모델의 생성 속성을 측정하기 때문이다. 본 논문은 또한 유사도가 높을 때 선택적으로 검색된 지식을 주입하는 리트리벌 조건부 자기 평가 (retrieval-conditional self-assessment) 를 제안한다. 이는 로그 확률보다 3-10 배 낮은 지연 시간에서 +0.069 AUROC 까지 향상된다. 감독적 베이스라인은 1,000 개의 라벨링된 예제에 훈련되어도 제로샷 신호를 초과할 수 없다. 우리는 모든 코드, 데이터, 실험 로그를 공개한다.