하이브리드 예측에서 언어모델은 이미 존재하는 시장·군중·통계적 예측에 추가할 만한 유용한 정보를 주는지, 아니면 무시해야 하는지를 판단해야 한다. 이 논문은 단독 모델 정확도가 아니라 외부 예측 대비 한계 가치인 '상대적 역량'을 핵심 목표로 설정하고, 브라이어 손실 하에서 모델 불일치가 외부 예측을 개선할 수 있는 조건과 도메인별 가중치 사용의 이득을 유도한다. 이를 바탕으로 해소된 결과로부터 도메인별 소스 가중치를 추정하고 불확실한 추정치를 전역 가중치로 수축시켜 풀링된 예측을 재보정하는 역량 게이트를 도입했다. 2,357개의 해소된 이진 질문과 5개 언어모델에 걸친 평가에서 게이트는 외부 기준선의 브라이어 점수를 0.0771에서 0.0732로 개선했으며, 공식 ForecastBench 시장 서브셋에서는 시장에 크게 의존해 유의미한 개선을 보이지 않았지만 언어적 확신도보다 결과 기반 역량 추정이 기권 결정에 더 유용했다.

• •단독 정확도가 아닌 외부 예측 대비 한계 가치 '상대적 역량'을 하이브리드 예측의 핵심 목표로 설정
• •도메인별 소스 가중치를 결과로부터 추정하고 전역 가중치로 수축시키는 역량 게이트 도입
• •2,357개 이진 질문 평가에서 브라이어 점수를 0.0771→0.0732로 개선, 전역 풀링보다 우수
• •언어적 확신도는 신뢰할 수 없지만 결과 기반 역량 추정은 기권 결정에 유용함을 확인