Cross-LLM 검증

왜 cross-LLM 인가

같은 모델 패밀리 (e.g. Claude Sonnet 두 번) 는 자기 자신의 편향을 검증하지 못합니다. 다른 프로바이더 + 다른 학습 데이터 + 다른 RLHF objective 를 가진 모델이 같은 입력에 대해 같은 verdict 에 도달하는지가 신호.

위치 + 호출

core/verification/cross_llm.py
  └── cross_llm_verify(verdict, evidence, *, primary, second)
        primary  = anthropic/claude-opus-4-7
        second   = openai/gpt-5.5  또는  glm/glm-4.5+

두 verdict 가 일치하면 confidence boost. 어긋나면 BiasBuster 의 cause 분류 + evaluator re-prompt 트리거.

Codex MCP 보조 lane

개발 중 verification 단계는 Codex MCP server 를 통해 ChatGPT Plus subscription quota 를 사용하는 second-opinion verifier 로도 사용됩니다. CRITICAL/HIGH 자동 fix 의 lane 이며 GEODE 운영 cross-LLM 과는 독립 (skill: `codex-mcp-verify`).

비용 고려

cross-LLM 은 호출 비용을 2 배로 만듭니다. 중요 의사결정 (Tier upgrade, downgrade) 에만 사용. 단순 score 산출에는 G1-G4 + BiasBuster 만으로 충분.

참조: `core/verification/cross_llm.py`, `.claude/skills/geode-verification`, `.claude/skills/codex-mcp-verify`.