이 논문은 다양한 언어, 장르 및 번역 양식(modalities)에 걸친 문학 번역에 대한 자동 평가 지표(AEMs)와 LLM-as-a-judge 평가의 성능을 조사합니다. 연구의 목적은 번역, 창의성(창의적 전환 및 오류)을 평가할 때 이러한 도구들이 전문가들과 얼마나 잘 일치하는지 평가하고, 노동 집약적인 수동 주석(manual annotations)을 대체할 수 있는지 확인하는 것입니다. 세 가지 양식(인간 번역, 기계 번역, 사후 편집), 세 가지 장르 및 세 가지 언어 쌍에 걸친 문학 번역 데이터셋이 구축되었으며, 숙련된 전문 문학 번역가들에 의해 창의성에 대해 상세히 주석이 달렸습니다. 결과에 따르면, AEMs와 LLM-as-a-judge 평가 모두 창의성에 대한 전문가 평가와 상관관계가 낮게 나타났으며, 특히 LLM-as-a-judge는 기계 번역된 텍스트에 유리하게 작용하고 창의적이며 문화적으로 적절한 해결책을 패널티를 주는 체계적인 편향(systematic bias)을 보였습니다. 또한, 시(poetry)와 같이 더 문학적인 장르일수록 성능이 일관되게 낮게 나타났습니다. 이는 문학 번역을 위한 현재의 자동 평가 도구들이 가진 근본적인 한계를 강조하며, 관습에서 벗어난 번역을 빈번하게 오류로 간주하지 않는 새로운 도구를 개발할 필요성을 시사합니다.