이 논문은 "공정하고 명확하며 오도하지 않을 것" 같은 원칙 기반 규제 기준을 판단하는 LLM 심판을 정확도·패러프레이즈 강건성·적대적 강건성·보정(calibration)의 4축으로 평가해야 한다고 주장한다. 영국 FCA 원칙에 매핑된 168개 암호자산 금융 프로모션 시나리오로 구성된 Principle-Bench와, 예시별 반사실적 근거를 제시하는 보정된 평가자 Ceca를 공개했다. 키워드 카운팅, 3종 임베더, 오픈웨이트 LLM 심판, 보정 캐스케이드를 비교한 결과 4축 모두를 지배하는 방법은 없었으며, 가장 강력했던 120B LLM 심판도 키워드 스터핑 적대적 입력에서 정확도가 0.74에서 0.27로 47%p 급락했다. 규제용 LLM 심판을 배포할 때 종합 정확도뿐 아니라 원칙별 적대적 기만 저항성과 사후 보정을 함께 보고해야 함을 시사한다.

• •원칙 기반 규제용 LLM 심판은 정확도·패러프레이즈 강건성·적대적 강건성·보정 4축으로 평가해야 한다는 포지션 제시.
• •영국 FCA 원칙 매핑 168개 시나리오의 Principle-Bench와 반사실적 근거 제공 평가자 Ceca 공개.
• •120B LLM 심판은 키워드 스터핑 공격에서 정확도가 0.74→0.27로 47%p 급락.
• •서로 다른 모델 간 심판 일치도(Cohen's kappa)가 0.16에 불과해 실패가 모델 특이적임을 확인.