LLM의 타겟팅된 성능 저하가 취약 계층 사용자에게 미치는 불균형적 영향

대규모 언어 모델(LLM)의 정보 정확도, 진실성, 거부율은 사용자 특성에 따라 큰 차이를 보인다. 영어 숙련도, 교육 수준, 출신 국가라는 세 가지 사용자 특성을 기준으로 세 가지 최신 LLM과 두 가지 데이터셋을 활용한 실험 결과가 이를 뒷받침한다. 모델은 영어 숙련도가 낮거나 교육 수준이 낮고, 미국 외 지역 출신인 사용자에게 더 높은 확률로 부정확하거나 신뢰할 수 없는 응답을 제공한다. 이는 LLM이 가장 취약한 사용자 그룹에게 오히려 불리하게 작동하는 구조적 한계를 드러낸다.