LLM은 공정하게 채용할 수 있는가? 이력서 스크리닝에서의 인종적 편향

우리는 Kline, Rose, Walters (2022)의 쌍 이력서 방법론 (paired-resume methodology)을 사용하여 14개의 주류 거대 언어 모델 (LLMs)에 대한 채용 차별 여부를 감사(audit)합니다. 유일한 2023년형 모델은 노동 시장 차별에 관한 현장 실험에서 기록된 백인 우호적 콜백 격차 (pro-White callback gap)를 재현했습니다 ($+2.12$ pp, 1% 수준에서 유의미함). 2024년 또는 그 이후에 출시된 모든 모델은 격차가 없거나 유의미한 흑인 우호적 역전 현상 (pro-Black reversal, 최대 $-3.01$ pp)을 보였습니다. 동일한 패턴이 성별 축에서도 유지됩니다. 14개 모델에 대해 모델당 24,024개의 쌍을 이룬 공고를 바탕으로 한 결과, 우리의 연구는 모델 세대에 걸쳐 알고리즘 채용 편향 (algorithmic hiring bias)의 방향이 역전되었음을 기록합니다.