우리는 제로샷 대규모 언어 모델 (LLM) 교육 상담 에이전트의 이전에는 정량화되지 않았던 실패 모드로서 개입 편향 (intervention bias)을 식별했습니다. 즉, 작업 특화 훈련 (task-specific training) 없이는, 사후 최적 오라클 정책 (hindsight-optimal oracle policy)이 불개입을 명령할 때 모델이 행동을 권고하는 현상입니다. Open University Learning Analytics Dataset (N=800명 학생, 4개의 시간적 절단점)을 활용한 6개 분기 절제 연구 (six-arm ablation) 결과, 오라클이 학생의 70.1%를 개입이 필요하지 않은 상태로 지정한 56일째에, 제로샷 GPT-4o는 73%에게 행동을 권고하여 43%포인트의 거짓 양성률 (false-positive rate)을 보였습니다. 상용 RAG 및 SQL 증강 검색 (SQL-augmented retrieval) 또한 유사하게 잘못 보정되어 있으며, 이는 10,000명의 학생을 대상으로 할 경우 사이클당 약 4,300건의 불필요한 상담 연락을 의미합니다. 지도 정책 학습 (Supervised policy learning)은 이러한 편향을 제거합니다. 엄격한 접두사 전용 특징 (prefix-only features) 하에서 동일한 오라클 라벨링 궤적 (oracle-labelled trajectories)으로 학습된 궤적 조건부 ONNX Decision Transformer (DT)와 스냅샷 XGBoost 분류기는 모두 거의 제로에 가까운 보정 오차 (calibration error)를 달성했습니다. DT는 5개의 모든 행동 클래스에 대해 macro-F1 0.79 (macro-recall 0.85)에 도달하였으며, 붕괴 없이 희귀한 부하 감소 (load-reduction) 행동까지 예측하면서 0%의 행동 뒤집힘률 (action flip rate)과 5ms 미만의 CPU 결정 지연 시간 (decision latency)을 기록했습니다. 두 지도 학습 분기는 대등한 수준이며, 최종 절단점에서 XGBoost 대비 DT의 우위는 지표적일 뿐입니다 (코호트 간 비대칭). 범위: 우리는 구조화된 OULAD 데이터의 통제된 오라클 입력 하에서 2단계 의사결정 (EAV 상태 벡터에서 지도 정책으로)을 검증했습니다. 높은 충실도는 일반적인 고위험 AI (high-stakes-AI) 능력이 아닌 특징-오라클 정렬 (feature-oracle alignment)을 반영합니다. 가장 강력한 발견은 절대적인 정확도가 아니라 개입 편향의 대조입니다. 또한 우리는 평가 격차 (Evaluation Gap)를 보여줍니다: LLM-as-judge 점수 산정 (DeepEval G-Eval)은 개입 편향을 인지하지 못하며, 결정의 품질보다는 유창한 과잉 처방에 보상을 줍니다.