멀티 에이전트 코드 생성 (Multi-agent code generation)은 인간의 소프트웨어 엔지니어링 라이프사이클을 모방함으로써 자율 소프트웨어 개발을 위한 유망한 패러다임을 제공합니다. 그러나 시스템의 신뢰성은 LLM의 환각 (hallucinations) 및 상호작용하는 에이전트 간의 오류 전파로 인해 여전히 저해되고 있습니다. 의미론적 엔트로피 (semantic entropy)는 정답 (ground-truth) 없이도 불확실성을 정량화하는 원칙적인 방법을 제공하지만, 현재의 방법들은 종종 비용이 많이 드는 LLM 기반의 동등성 검사 (equivalence checks)에 의존합니다. 본 연구에서는 구조적 및 의미론적 비유사성 그래프 (structural and semantic dissimilarity graphs)의 최소 신장 트리 (minimum spanning tree)를 기반으로 기능적 정확성 (functional correctness)을 근사하는 새로운 지표인 FASE (Fast Adaptive Semantic Entropy)를 소개합니다. HumanEval 및 BigCodeBench에 대한 평가 결과, FASE는 LLM 함의 (LLM entailment) 기반의 최신 의미론적 엔트로피보다 성능이 뛰어남을 입증하였으며, Qwen3-Embedding-8B 모델을 사용할 때 정답 테스트 케이스의 Pass@1 대비 Spearman 상관계수 (Spearman correlation)에서 평균 25% 개선, ROCAUC 점수에서 19% 향상을 달성했습니다. 또한, FASE는 비용이 많이 드는 LLM 기반의 동등성 평가를 제거함으로써 무시할 수 있는 수준의 계산 오버헤드 (computational overhead)를 발생시키며, 기존의 의미론적 엔트로피 방식 실행 시간 비용의 약 0.3%만을 요구합니다. 이러한 결과는 FASE를 실제 멀티 에이전트 워크플로우에서 불확실성 정량화 (uncertainty quantification)를 최적화하기 위한 실용적이고 비용 효율적인 솔루션으로 자리매김하게 합니다.