✨ LREAD: 루브릭 기반 인지 교정을 통한 인간의 LLM-생성 한국어 글 탐지

이 연구는 인간 전문가가 사람이 작성한 글과 LLM이 생성한 한국어 글을 어떻게 구별하는가라는 질문에서 출발합니다. 이는 ‘LLM이 잘 쓴 글’이 일상화된 상황에서, 인간의 판단이 어디서 흔들리는지를 묻는 질문이기도 합니다.

이 구별 능력은 개인의 직관에 의존하는 문제가 아니라,

👉 구조화되고, 명시적이며, 학습 가능한 인지 과정이라는 점입니다.

📌 무엇을 다루는 연구인가요?

이 연구는 LLM 시대의 저자 판별(authorship attribution)을 인간 중심(human-centered) 관점에서 다룹니다.

특히 다음에 초점을 둡니다.

• 3명의 국어국문학 전공자들은 초기 단계에서 어떤 특징에 주목하며, 왜 반복적으로 오판하는가
• 탐지 실패의 원인은 언어 능력 부족이 아니라, 판단 절차의 부재로 수렴됨
• 명시적인 기준이 주어질 때 판단은 개인적 직관에서 공유된 분석으로 이동함

이를 위해 Phase 1–3으로 구성된 실험 설계,

그리고 LREAD (Linguistically-Regularized Expert AI Detection)라는 루브릭을 사용합니다.

🤔 왜 이 문제가 중요한가요?

최근의 대형 언어 모델(LLM)은 매우 유창하고 규범에 잘 맞는 한국어 글을 생성합니다.

이때 국어국문학 전문가조차도 LLM-생성 글의 탐지 과정에서 문장의 매끄러움, 형식적 완성도에 크게 의존하게 됩니다. 그 결과 발생하는 현상이 바로 유창성의 함정 입니다.

👉 LLM이 생성한 글이 너무 자연스럽기 때문에 오히려 “사람이 쓴 글”처럼 보이게 되는 상황. 이때 유창성은 내용의 깊이나 언어적 흔적을 가리는 일종의 시각적 노이즈로 작동합니다.