LLM 앙상블 이득은 어디에서 오는가? 후보 가치, 다양성 및 집계 분해

LLM 앙상블 이득은 종종 단일 기준선과 비교하여 측정되지만, 추가된 후보에 할당되는 값은 사용된 비교 방식에 따라 달라질 수 있습니다. 우리는 네 가지 일치하는 조건 하에서 LLM 애그리게이터를 연구했습니다: Direct (후보 없음), Single-slot (다중 슬롯 인터페이스의 단일 후보), Duplicate (반복된 단일 후보), 그리고 Multi-candidate (개별적으로 생성된 후보). 비(非)다양한 제어 조건 하에서, 전체 후보 이득 (CIV)은 추가 후보 대비 (DSV)와 후보-문맥 대비 (CCV)로 대수적으로 분할됩니다. 이 분할 자체는 선택된 제어 조건에 따라 달라지지만, CIV는 그렇지 않습니다. MultiHopRAG 모델 다양성 (k=2)에서, 반복 격차 Rep=-8.33 pp [-13.25, -3.75]는 Duplicate와 Single-slot을 기준으로 측정된 이득의 차이를 정량화합니다. 일치하는 FRAMES stronger-panel 확장 (n=200, k=3, 애그리게이터 출력 제한 4096)에서는 쌍별 Delta Rep=+9.67 pp [+6.00, +13.50]입니다; 패널 내에서 Rep은 부호가 바뀝니다 (원래 -6.33; stronger +3.33). FRAMES 증거 집계에서, 후보-문맥 대비는 두 비(非)다양한 제어 조건 모두에서 강하게 음수 값을 유지합니다. 우리의 결과는 앙상블 평가 시 추가 후보에 이득을 귀속시키기 전에 참조 제어 조건을 명시해야 하는 이유를 보여줍니다.