LLM의 행동 성향 정렬 평가

간편 요약

Google Research Blog은 LLM의 행동 성향 정렬을 평가하는 새로운 프레임워크를 소개했다. 기존 심리 설문을 대규모 상황판단형 테스트(SJT)로 바꿔 25개 LLM의 행동 경향을 인간 합의와 비교했으며, 특히 인간 합의가 강한 상황에서 작은 모델과 대형/프런티어 모델의 정렬 수준 차이가 관찰됐다. 운영상으로는 모델 선택, 평가 설계, 안전·정렬 검증 기준을 점검할 때 참고할 만...