메타인지 기반 데이터 선택
메타인지 기반 데이터 선택은 모델이 자체적으로 매긴 수행도 점수를 이용해 훈련 샘플을 선별하는 전략이다. 오프라인으로 모델이 각 예제에 대해 자기평가 점수(0–100)를 부여하고, 상·하위 양극단의 예제를 함께 선택하여 다양한 학습 신호를 제공한다. 이 방법은 외부 라벨링 없이도 고효율 학습 데이터를 확보하는 수단으로 작동한다.