# 2026-05-17 TabPFN 글쓰기 audit 메모

## 목적

사용자 피드백에 따라 TabPFN/OLED 리뷰의 전체 문체를 다시 점검했습니다. 목표는 내용을 더 늘리는 것이 아니라, 이미 검증한 기술 내용을 실제 업무자가 읽는 글의 호흡으로 정리하는 것이었습니다.

## 적용한 기준

- 도입부는 용어 정의보다 업무 장면에서 시작한다.
- `A가 아니라 B`, `핵심은`, `먼저 붙잡을`, `...하는 편이 좋습니다` 같은 반복적인 AI식 정리 문장을 줄인다.
- 출처는 권위를 빌리는 장치가 아니라 판단 경계를 세우는 근거로 사용한다.
- DFT/OLED 계산 부분은 비전공자에게 필요한 문맥은 주되, 전문가가 보기에는 지나치게 단순한 용어 나열처럼 보이지 않게 한다.
- TabPFN의 강점을 과장하지 않고, 후보 압축과 빠른 기준 모델이라는 역할을 분명히 둔다.

## 주요 수정

- 제목을 `값보다 조건을 잘 담은 표`에서 `값의 의미를 정하는 기록 조건`으로 바꾸어 독자가 확인할 대상을 바로 보게 했습니다.
- 첫 문단을 “작은 표에서 빠르게 예측 모델”이라는 설명형 도입에서 연구팀의 모델 비교 장면으로 바꿨습니다.
- TabPFN의 장점을 `DFT/OLED/공정 지식을 대신하지 않는다`는 경계와 `작고 비싼 표에서 후보를 줄인다`는 역할로 재정리했습니다.
- 계산 provenance 섹션은 feature dump처럼 보이는 표현을 줄이고, `계산 계보`, `물리·측정 맥락`, `검증 상태` 세 묶음으로 유지했습니다.
- 암묵지 섹션은 “feature를 많이 넣자”가 아니라 “다음 의사결정을 바꾸는 조건을 찾자”는 메시지로 정리했습니다.
- 라이선스 섹션은 회사 PoC와 업무 판단의 선을 더 직접적으로 보이게 했습니다.
- 마지막 활용 시나리오는 여섯 가지 응용을 유지하되, 결론을 `한 행이 무엇을 뜻하는지`, `예측값이 언제 확정되는지`, `예측 당시 알 수 없는 정보가 입력에 섞였는지`로 좁혔습니다.

## 남긴 경계

- 전문 용어는 과도하게 줄이지 않았습니다. TabPFN, in-context learning, feature, provenance, uncertainty, TD-DFT, SOC-TDDFT, GW/BSE 등은 독자가 검색하고 검증해야 하는 실제 용어라 유지했습니다.
- DFT와 양자화학 계산은 TabPFN 활용 사례 중 하나로 다뤘고, OLED 계산 전문성을 TabPFN이 대체할 수 있다는 인상을 피했습니다.
- 그림 구성은 이번 pass에서 새로 만들지 않고, caption과 본문 연결 문장의 피로도를 줄이는 데 집중했습니다.