다국어 언어 모델을 위한 독성 탐지 및 완화 전략에 관한 조사

요약

다국어 대규모 언어 모델(LLMs)의 독성 탐지 및 완화 전략을 종합적으로 조사한 연구입니다. 언어적·문화적 맥락에 따른 안전성 불균형 문제를 다루며, 다양한 위협 모델과 완화 기술을 분류합니다.

핵심 포인트

• 다국어 LLM의 언어 및 문화적 맥락에 따른 안전성 불균형 문제 분석
• 번역 피벗, 코드 스위칭 등을 이용한 안전 정렬 약화 위협 모델 분류
• 교차 언어 인코더 및 LLM 기반 탐지기 등 다양한 탐지 접근 방식 정리
• 데이터 필터링, 선호도 기반 튜닝 등 다각적인 완화 전략 제시
• 언어 커버리지 불균형 및 문화적 유해성 정의의 가변성 등 과제 식별