검증 가능한 지시 이행 수정(Instruction-Following Revision)에서 자기 선호(Self-Preference)는 약하거나

요약

LLM이 자신의 생성물을 검토할 때 발생하는 자기 선호 편향(self-preference bias)을 IFEval 환경에서 검증했습니다. 연구 결과, 모델은 결정론적 검증기에 의해 확인된 양질의 수정안을 거부하지 않으며, 자기 선호 편향이 실질적으로 존재하지 않음을 발견했습니다.

핵심 포인트

• LLM의 자기 선호 편향 존재 여부를 IFEval 환경에서 테스트
• 모델은 자신의 초안에 대한 검증된 수정안을 새로운 모델과 유사한 비율로 수락함
• 수정안 거부 시 발생하는 이유는 선호도가 아닌 결함 포착에 기인함
• 소규모 테스트에서 나타난 자기 회의 징후는 대규모 테스트에서 재현되지 않음