여러 AI 모델에서 동일한 강화를 실행하면 Entity Enricher가 결과를 단일한 고신뢰도 출력으로 융합할 수 있습니다. 융합은 모델 출력 간의 충돌을 감지하고 결정론적 규칙 또는 LLM 기반 중재를 사용하여 이를 해결합니다.
충돌 감지기는 모든 모델 출력에서 각 필드를 비교합니다. 모든 모델이 일치하는 필드는 변경 없이 통과합니다. 모델이 서로 다른 필드는 해결이 필요한 충돌로 표시됩니다.
| 유형 | 비교 방식 | 합의의 의미 |
|---|---|---|
| 스칼라 | 정규화된 정확 일치(공백 제거, 소문자화, 반올림) | 정규화 후 모든 값이 동일합니다 |
| 다국어 | 실행의 기본 언어가 결정하며, 번역 차이는 언어별 병합만 유발합니다 | 기본 언어에서 동일한 텍스트 — 번역의 표현 차이는 불일치로 보지 않습니다 |
| 배열 | 항목의 기본 언어 관점에 대한 집합 비교(순서 무관) | 순서나 번역 표현과 무관하게 동일한 항목 |
| 객체 | 식별 필드가 두 모델이 같은 대상을 설명한다는 것을 입증하는 한 속성 단위로 처리하고, 그렇지 않으면 객체 전체가 하나의 충돌이 됩니다 | 모든 중첩 속성이 일치합니다 |
| Null / 비어 있음 | null, 빈 문자열 또는 빈 배열 값은 주장이 아니라 기권으로 간주합니다 | 충돌로 집계하지 않고 채워진 값이 우선합니다 |
결정적 규칙은 모든 융합에서 실행되어 모델들의 값 자체로 입증할 수 있는 모든 것을 확정합니다. 규칙이 답을 선호할 수만 있는 항목 — 서로 상충하는 값, 모델마다 다르게 기술한 중첩 객체, 한 모델만 생성한 항목 — 은 리졸버에게 넘겨집니다. 사이드바에서 중재 모델을 선택하면 그 리졸버가 규칙 자체가 될지, LLM이 될지가 정해집니다.
각 필드의 데이터 타입에 따라 결정적 규칙이 적용됩니다. 거의 모든 경우 LLM 호출이 전혀 필요 없으며, 해결은 즉시 이루어지고 비용도 들지 않습니다. 유일한 예외는 모델 간 값 차이가 극심한 숫자로, 어떤 규칙으로도 정직하게 판정할 수 없습니다. 아래를 참고하세요.
| 필드 유형 | 규칙 | 근거 |
|---|---|---|
| 문자열 | 다수결, 동점 시 가장 긴 값을 선택합니다 | 일반적으로 세부 정보가 많을수록 좋습니다 |
| 숫자 | 중앙값에 가장 가까운 model 값 | 이상치에 강건하며, 조작된 평균을 만들지 않습니다 |
| 불리언 | 다수결, 동점 시 true 우선 | 보수적 기본값 |
| 다국어 | 언어별 다수결, 언어 통합 | 각 언어를 독립적으로 처리합니다 |
| 배열 | 키 인식 통합: 항목을 키 필드로 그룹화하고, 철자 변형을 하나로 병합하며, 일치하는 항목은 필드별로 병합합니다 | 논리적 entity당 한 행씩, 손실 없음 |
| 객체 | 식별 정보가 일치하면 필드 단위로 처리하고, 그렇지 않으면 한 모델의 객체를 통째로 채택합니다 | 서로 다른 엔티티를 설명하는 두 객체를 섞으면 어느 모델도 반환하지 않은 제3의 객체를 만들어 내게 됩니다 |
| Null 대 값 | 채워진 값을 우선합니다 | 데이터 누락이 어떤 값보다 낫습니다 |
동점 처리: 득표가 같을 경우 더 비싼 모델의 값이 우선하고(성능의 대리 지표로 사용), 그다음은 모델 이름의 알파벳 순서입니다. 객체 전체를 원자적으로 다룰 때는 완성도, 즉 채워진 리프의 개수가 이 둘 사이에 들어갑니다. 어떤 엔티티가 진짜인지 증명할 근거가 없다면 더 강력한 모델을, 그다음으로 더 많은 정보를 담은 답변을 선택합니다.
중첩된 객체를 필드 단위로 병합하는 것은 두 모델이 같은 대상을 설명하고 있을 때만 안전합니다. 식별 필드가 이를 입증하지 못할 때 — 키가 서로 다르거나, 키가 아예 없는데 그 아래 실제로 내용이 어긋날 때 — 해당 객체는 하나의 충돌로 처리되어 한 모델의 버전이 그대로 채택됩니다. 그렇지 않으면 융합은 키메라를 조립하게 됩니다. 이 모델의 주소가 저 모델의 회사에 붙는 식입니다. 의도된 동작이지만 알아 둘 만한 결과가 하나 있습니다. 승자는 빈칸까지 포함한 채로 채택되므로 승자가 비워 둔 필드는 계속 비어 있게 되고, 이로 인해 엔터티가 데이터베이스 승인 관문에서 막힐 수 있습니다. 그 이유는 실행의 검증 경고에 함께 기록됩니다.
“중앙값에 가장 가까운 값”은 모델마다 반올림 방식이 다를 때는 적절하지만, 모델끼리 서로 모순될 때는 적절하지 않습니다. 0과 1854는 반올림 차이가 아닙니다. 값들의 상대적 편차가 20%에 도달하면 해당 필드는 조직의 일반적인 모델 선택 방식에 따라 자동으로 선정된 LLM 중재자에게 넘겨지며, 이 호출은 다른 호출과 동일하게 과금됩니다. 해당 필드는 융합 감사 기록에 자동 에스컬레이션으로 표시되므로, 토큰을 소모한 병합은 항상 어떤 필드가 그 원인이었는지 알려줍니다.
사이드바에서 중재 모델을 선택하면 규칙이 확정하지 못한 질문이 해당 LLM에 전달됩니다. LLM은 엔터티의 식별 정보, 각 필드의 설명, 그리고 기본 보강 언어로 표시된 모든 모델의 값을 확인한 뒤, 직접 값을 작성하지 않고 지목하는 방식으로만 답합니다.
질문은 계층별로 이루어집니다. 먼저 엔터티 자체를, 그다음 매칭된 각 배열 항목을 자체 식별 정보를 컨텍스트로 삼아(“이 오페라의 1막”) 개별 호출로 질문하며, 중재자가 제외한 항목은 다시 묻지 않습니다. 프롬프트의 공통 부분은 첫 호출에서 캐시되므로 하위 호출은 훨씬 적은 비용으로 병렬 실행됩니다.
폴백: 중재 모델이 실패하면(타임아웃, 오류) 규칙 기반 결정이 그대로 적용되므로 항상 결과를 얻을 수 있으며, 어떤 방식이 적용되었는지는 레코드에 기록됩니다.
충돌 해결 후 시스템은 하나의 병합된 결과를 만들어 데이터베이스에 “중재” 레코드로 저장합니다. 병합된 모든 결과에는 감사 추적이 포함되어 각 충돌이 어떻게 해결되었는지 추적할 수 있습니다.
모든 병합된 결과에는 융합 과정을 기록하는 메타데이터가 포함됩니다:
동일한 감사 추적은 히스토리 페이지의 개요 탭에서 병합된 모든 레코드에 대해 표시됩니다. 배열 내부에서 내려진 결정 — 매칭된 항목의 필드, 유지되거나 제외된 항목 — 도 함께 나열되므로 유지된 내용만큼 제외된 내용도 명확히 확인할 수 있습니다. LLM이 중재한 레코드는 중재자를 모델로 표시하고, 규칙 기반 병합은 대신 병합에 사용된 모델들을 나열합니다. LLM 호출을 전혀 하지 않아 프롬프트도, 토큰도, 비용도 없기 때문입니다.
퓨전이 완료되면 결과 패널의 “병합됨” 탭에 다음이 표시됩니다:
배치 보강에서는 모델을 두 개 이상 선택하면 융합이 자동으로 실행됩니다. “Merge Results”를 직접 클릭할 필요가 없습니다. 한 엔티티에 대해 모든 모델이 성공하는 즉시 융합이 실행되고, 병합된 결과가 개별 모델 출력과 나란히 표시됩니다. 모델 하나가 실패한 실행은 의도적으로 융합하지 않습니다. 남은 결과만 병합하면 부분적인 답을 합의된 답인 것처럼 조용히 게시하게 되기 때문입니다. 먼저 누락된 모델을 복구하세요. 실패한 전문 도메인을 재시도해 실행이 다시 온전해지면 융합이 자동으로 이루어집니다.
fusion_started, conflicts_detected, fusion_completed 이벤트를 실시간으로 확인할 수 있습니다.