카운터팩추얼 리플레이
같은 생성 응답을 고정하고 루브릭 문구만 제거한 대체 프롬프트로 재평가해 각 토큰의 로그우도 변화를 계산하는 기법으로, 외부 토큰 중요도 레이블 없이 정책 내부 신호로 토큰 의존도를 추정합니다.
