Y. Yin이 이끄는 연구팀은 2026년 10월 20일, 대규모 언어 모델 심사자가 스스로 편향을 줄일 수 있다는 논문을 발표했다. 연구팀은 두 가지 방법을 시험했다. 모델이 평가하기 전에 편향이 생길 수 있다고 알리는 프롬프트와, 답변을 낸 뒤 편향이 있는지 스스로 비판적으로 검토하도록 요청하는 후속 프롬프트다. 최첨단 모델 3종을 대상으로 한 실험에서 자기 편향 완화 프롬프트는 모델과 편향 유형을 조합한 21개 항목 중 20개에서 결과를 개선했으며, 개선 폭은 최대 15포인트에 달했다. 기존의 외부 비평가 방식은 새로운 편향 테스트에서 성능이 더 낮았다.
왜 중요한가
프롬프트만으로 편향을 줄이는 방식은 개발자와 연구자가 자동화된 AI 평가를 더 신뢰할 수 있게 해줄 수 있다.
