LLM-as-a-judge(판단자로서의 LLM)는 대규모 모델 출력물을 채점하는 지배적인 패러다임이 되었으나, 동일한 모델이라도 출력 형식(예: 1-5점 척도 vs True/False 레이블)이 변경되면 체계적으로 다른 점수를 부여합니다. 이러한 형식 유도 불일치(format-induced inconsistencies)에 대한 기존의 진단은 입출력 수준에 머물러 있습니다. 본 연구에서는 위치 인식 엣지 어트리뷰션 패칭(Position-aware Edge Attribution Patching, PEAP)을 사용하여 Gemma-3, Qwen2.5, Llama-3의 내부 메커니즘을 인과적으로 조사합니다. 연구 결과, 구조적 이해(structured understanding) 및 개방형 선호도(open-ended preference) 과업 전반에 걸친 판단은 중간 및 후기 다층 퍼셉트론(MLPs) 내의 희소하고 일반화된 잠재 평가자(Latent Evaluator) 서브 그래프를 공유한다는 것을 발견했습니다. 아키텍처적으로 모듈화된 모델에서 이 서브 그래프를 제로-어블레이션(zero-ablating)하면 세계 지식(world knowledge)은 유지되면서 판단 능력은 붕괴됩니다. 추상적 판단을 출력 형식으로부터 구조적으로 분리함으로써, 우리는 연구 대상인 오픈 웨이트(open-weight) 모델에서 발생하는 형식 유도 불일치에 대한 기계론적 설명(mechanistic account)을 제공합니다. 즉, 공유 트렁크(shared trunk)에서 계산된 연속적인 판단 신호가 취약하고 형식 특화적인 터미널 브랜치(terminal branches)를 통해 매핑되며, 이로 인해 요청된 출력 형식의 하류(downstream)에서 형식에 독립적인 선호도가 격리될 수 있습니다. 우리의 연구 결과는 형식 간의 벤치마크 수준 신뢰도 비교가 평가 품질보다는 포맷터 기하학(formatter geometry)을 부분적으로 측정하고 있음을 시사합니다.