LLM의 경제적 인과 추론에 내재된 이념 편향 분석

요약

본 연구는 거대 언어 모델(LLMs)이 경제적 인과 관계를 추론할 때 체계적인 이념 편향을 보이는지 검증합니다. 기존의 EconCausal 벤치마크를 확장하여 '이념 논쟁 사례' (정부 개입 지향 vs 시장 지향 예측 상충)를 포함한 10,490개의 인과 트리플렛을 분석했습니다. 그 결과, LLM은 이념적으로 논란이 되는 문제에서 성능 저하가 명확했으며, 특히 경험적으로 검증된 인과 방향이 '정부 개입 지향' 기대와 일치할 때 '시장 지향'보다 높은 정확도를 보였습니다. 또한, 오답을 내는 경우에도 그 경향성이 정부 개입 쪽으로 치

핵심 포인트

• LLM의 경제적 인과 추론 능력은 이념적으로 논쟁이 되는 사례에서 성능 저하가 두드러지게 나타납니다.
• 20개 최신 LLM 모델 중 18개 모델에서, 경험적 사실에 기반한 인과 방향이 '정부 개입 지향' 기대와 일치할 때 '시장 지향'보다 체계적으로 높은 정확도를 보였습니다.
• 모델의 예측 오류는 특정 이념(정부 개입) 쪽으로 편향되는 경향을 보이며, 이는 단발성 인컨텍스트 프롬프팅(one-shot in-context prompting)으로도 개선되지 않았습니다.
• 본 연구 결과는 고위험 경제 및 정책 환경에서 방향성을 고려한 평가(direction-aware evaluation)의 필요성을 강조합니다.