YUKTI는 자연어로 기술된 의사결정 상황을 단일 목적함수·점추정 계수로 굳히는 기존 파이프라인(NL4Opt, OptiMUS, ORLM 등)과 달리, 불확실성 타입이 붙은 명제 그래프로 표현해 견고하고 검증 가능한 결정을 도출하는 프레임워크다. 가정을 재표집해 각 행동의 생존 빈도(ρ)를 측정하는 '가정-강건 파레토 프론티어(ARPF)'를 도입하고, ρ가 결정 후회(regret)의 정확한 인자가 됨을 증명했다. 통제된 오지정 실험에서 강건 절충안은 점추정 계획 대비 평균·꼬리 후회를 90% 이상 줄였고, 41,188건 실데이터 백테스트에서는 기존 운영 대비 34% 개선했다. 정답 수치를 받은 LLM과 단일목적 최적화 모두 YUKTI 대비 약 47배의 held-out 후회를 기록해, LLM은 솔버가 아니라 포뮬레이터라는 결론을 뒷받침한다.

• •형태 사전분포·계수 불확실성·출처(provenance)를 담은 타입 명제 그래프로 자동 정식화의 표현 대상을 재정의
• •가정 재표집으로 행동별 생존율 ρ를 산출하는 ARPF를 도입하고 ρ가 결정 후회의 정확한 인자임을 이론적으로 증명
• •오지정 실험에서 평균·꼬리 후회 90% 이상 감소, 41,188건 실데이터 백테스트에서 기존 운영 대비 34% 개선
• •정답 수치를 받은 LLM과 단일목적 최적화 모두 약 47배 높은 후회 기록 — 'LLM은 포뮬레이터이지 솔버가 아니다'