추론 언어 모델 (Reasoning language models)은 점점 더 어려운 질문에 답하는 것뿐만 아니라, 성공 가능성을 추정할 것을 요구받고 있습니다. 기존 방법들은 일반적으로 신뢰도 (confidence)를 단 한 번만 유도합니다: 사고하기 전이거나 답변한 후 중 하나입니다. 우리는 추론 모델의 신뢰도가 상태 의존적 (state-dependent)이라고 주장합니다: 사고하기 전의 신뢰도는 모델이 프롬프트 (prompt)를 올바르게 해결할 확률을 추정해야 하며, 사고한 후의 신뢰도는 도출된 답변이 정답일 가능성이 높은지를 예측해야 합니다. 이러한 구분은 적절한 감독 대상 (supervision target)을 결정합니다: 프롬프트 수준의 성공은 프롬프트를 본 후 이루어진 신뢰도 추정을 감독해야 하며, 개별 답변 수준의 정답 여부는 답변한 후 이루어진 신뢰도 추정을 감독해야 합니다. 우리는 두 가지 추정치를 모두 유도하고, 각 추정치를 해당 정보 상태 (information state)와 일치하는 대상으로 감독하는 CALIBER (Calibration Before and After Reasoning)를 소개합니다. 이 통합 프로토콜 (unified protocol) 하에서, CALIBER는 7B 모델 기준 BigMathDigits 데이터셋에서 가장 강력한 단일 신뢰도 베이스라인 (single-confidence baseline) 대비 기대 교정 오차 (Expected Calibration Error, ECE)를 52.5% 감소시켰으며, 최고의 브라이어 점수 (Brier score)와 AUROC를 달성하는 동시에 최고 정확도 (accuracy)와 2.1포인트 이내의 차이를 유지했습니다. 나아가, 더 큰 30B 모델에서도 CALIBER는 BigMathDigits에서 최고의 ECE를 달성하는 동시에 브라이어 점수와 AUROC에서도 경쟁력을 유지했습니다. 분포 외 (Out of distribution) 상황에서, CALIBER는 GPQA 및 TriviaQA에서 최고의 ECE와 브라이어 점수를 달성했으며, SimpleQA에서도 경쟁력을 유지했습니다. 절제 연구 (Ablations)를 통해 이러한 위치-대상 정렬 (position-target alignment)이 분포 변화 (distribution shift) 상황에서 가장 유익하며, 모든 분포 외 벤치마크에서 일관되게 교정 오차를 줄여준다는 것을 보여줍니다.