ethical-compass

모델의 숨은 상태 벡터와 기준 벡터 간 각도를 cos(theta)로 측정해 '도메인 정렬'을 판정하는 지표이다. 입력 문장에서 윤리 관련 어휘로 구성된 방향성과 숨은 상태의 투영값을 비교해 각 레이어별로 양·음 값을 기록한다. 본문에서는 해당 벡터가 의도(intent)가 아닌 표현(domain) 일치만 감지해 한계가 드러났다.