본 논문은 대규모 언어 모델(LLM)의 안전하고 신뢰할 수 있는 배포를 위해 생성 제어의 중요성을 강조하며, 기존의 프롬프트 엔지니어링 및 파인튜닝 외에 경량 기법인 잠재적 조향(latent steering)에 대한 연구 동향을 소개합니다. 하지만 기존 잠재적 조향의 효과가 제한적임을 지적하며, 이를 개선하기 위해 다양한 행동에 대한 표준화된 평가 기준을 제시합니다. 이를 바탕으로, 생성 과정에서 모델의 어텐션을 조절하여 프롬프트의 효과를 증폭시키는 새로운 잠재적 조향 기법인 Instruction Attention Boosting (InstABoost)을 제안합니다. InstABoost는 기존 접근 방식의 장점을 결합하고, 트랜스포머 기반 모델에서 문맥 내 규칙 준수를 어텐션 조작으로 제어할 수 있다는 이전 연구에 기반합니다. 실험 결과, InstABoost는 기존 프롬프팅 및 잠재적 조향 기법보다 우수한 제어 성능을 보여줍니다.