참여형 설계나 AI 정렬에서 표준 도구로 쓰이는 국소적 쌍대 비교(pairwise comparison)가 '내적 다원주의(internal pluralism)' 아래에서 체계적으로 실패할 수 있음을 형식 모델로 보인 연구다. 개인이 비례성, 평등주의, 동등 대우 같은 복수의 우선순위로 결정 규칙을 평가할 때, 이런 우선순위는 본질적으로 전역적이어서 국소 비교로 포착되지 않으며, 강하게 충돌하는 우선순위 간 긴장은 강제 응답 시 행동 왜곡을 낳는다. 대안으로 '미결정(indecision)' 응답을 허용하면 선호를 정확히 학습하는 데 필요한 질의 수를 크게 줄일 수 있음을 확인했다. 쌍대 비교 기반 선호 학습(RLHF 등)의 근본 가정에 의문을 제기하고, 우선순위를 직접 이끌어내는 선호 학습 방법의 필요성을 시사한다.

• •개인이 복수의 권위 있는 우선순위로 결정 규칙을 평가하는 '내적 다원주의'를 형식화한 모델 제시
• •비례성·평등주의 같은 우선순위는 전역적 속성이라 국소 쌍대 비교로 포착 불가
• •강제된 비교 응답은 우선순위 충돌 시 비용이 큰 행동 왜곡을 유발
• •미결정 응답 허용 시 선호 학습에 필요한 질의 수가 크게 감소
• •우선순위를 직접 이끌어내는 더 충실하고 해석 가능한 선호 학습 방법론 제안