효율화(구조 게이트 + 진단 슬림) + 대조 코퍼스 실증 검증 — 통념으로 유통되던 패턴을 데이터로 걸러내고, AI 티 분류 체계에 처음으로 판별력 근거를 붙였습니다.
v2.3.0
Part 1 — 효율화 (구조 수렴 게이트 + 진단 슬림)
- Tier1 결정적 게이트
scripts/verify_gates.py4축 — 목표 달성 z수렴 · C-8 대구 전멸 · 수치 주입 · golden. LLM 호출 0으로 마무리 품질을 자가 검증. - Tier2 진단 슬림 인덱스
diagnosis-rules.md— taxonomy에서 자동 생성. taxonomy 대비 83%↓, 정밀 모드 진단 호출 35~50%↓. - LLM 회귀 하중 패턴(C-8·C-11·E-5·D-7) 동등, 환각 0, pytest 통과.
Part 2 — 대조 코퍼스 실증 검증 (신규)
AI 티 분류 체계(A~J 70패턴)가 그동안 "유형론적 근거"는 있어도 "판별력 근거"는 없다는 문헌 리서치 결과를 받아, 자체 대조 코퍼스로 직접 측정했습니다.
- 측정: AI 생성 60편(Fable 5·GPT-5.6·Haiku, 동일 주제) vs 2022-01-01 이전 인간 산문 60편(Wayback 캡처로 발행일 이중 확인). 로그우도비(Dunning G²) 검정. 장르 통제.
- 결과는
references/empirical-validation.md에 측정 설계·한계·재현 방법과 함께 수록.
기각 (반대 변호 + 재측정을 통과한 것만):
- A-2
~를 통해(S1→S2) — 최희경(2016) 코퍼스에서 비번역 한국어가 번역문보다 2배 자주 씀. 자체 AI 코퍼스에도 거의 미출현. 무조건 분산 → 문단 3회+ 남발일 때만. - I-1
것이다결말 — AI 20.4 vs 인간 43.0(1000문장당, 인간이 2배). 무조건 평서화 → 연속 3회+ 남발일 때만.
확증:
- C-8/C-14 부정 대구
A가 아니라 B(S2→S1) — AI가 인간보다 9~18배(G²=41.7), 세 모델 공통. A~J 전체에서 가장 강한 실측 신호. - E-1 — "문장길이 균일" → "장문 부재"로 실체화(100자+ 문장 11배 차).
신중 판정 (뒤집지 않음):
- A-16 — 규칙 자체가 영어 번역 맥락 전용임을 명확화. 자체 코퍼스는 자생 산문이라 검정 대상 아님.
- C-1 — 논설·에세이 표본의 장르 편향 가능성 → taxonomy의 "기본 보존" 존중.
방법론
새 패턴을 넣거나 뺄 때 쓸 수 있는 검증 루프를 확립했습니다 — 대조 코퍼스 + 로그우도비 + 독립 모델 반대 변호. "지어낸 지표"를 "데이터로 검증된 지표"로 바꾸는 절차입니다.
검증
- pytest 통과,
diagnosis-rules.md·quick-rules.md자동 재생성.
직접 써보기
설치 없이 웹에서 바로: https://imnotai.kr (무료)
PR: #52