메타인지 피드백
모델의 출력과 내부 불확실성 추정 사이의 일치성을 학습 신호로 활용하는 기법으로, 모델이 자신의 확신도를 예측하고 그 예측의 정확성에 대해 보상을 받아 신뢰도 표현을 직접적으로 개선하는 방법이다. 입력 문장과 모델 내부 확률 분포를 비교하여 일치성 차이를 손실로 환원하고 이 손실을 줄이는 방향으로 파라미터를 갱신한다. 이 방법은 단순한 성능 향상뿐 아니라 출력의 신뢰성 관리가 필요한 응용에서 중요하다.
