Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

OR-Bench: An Over-Refusal Benchmark for Large Language Models

Created by
  • Haebom

저자

Justin Cui, Wei-Lin Chiang, Ion Stoica, Cho-Jui Hsieh

개요

본 논문은 대규모 언어 모델(LLM)의 안전한 정렬 과정에서 발생하는 과도한 거부(over-refusal) 문제를 해결하기 위해, 대규모 과도한 거부 데이터셋인 OR-Bench를 제안합니다. OR-Bench는 10가지 일반적인 거부 범주에 걸쳐 8,000개의 과도한 거부 프롬프트, 최첨단 LLM에게도 어려운 약 1,000개의 어려운 프롬프트, 그리고 무분별한 응답을 방지하기 위한 600개의 유해한 프롬프트로 구성됩니다. 이를 활용하여 8개 모델 계열의 32개 인기 LLM에 대한 과도한 거부 현상을 종합적으로 측정하고, 데이터셋과 코드베이스를 공개합니다.

시사점, 한계점

•
시사점:
◦
LLM의 과도한 거부 문제에 대한 체계적인 측정 및 분석을 위한 대규모 벤치마크(OR-Bench)를 제공합니다.
◦
다양한 LLM의 과도한 거부 현상을 비교 분석하여 모델 개선 방향을 제시합니다.
◦
공개된 데이터셋과 코드베이스를 통해 지속적인 연구 및 개발을 촉진합니다.
•
한계점:
◦
과도한 거부를 유발하는 프롬프트 생성의 어려움으로 인해, OR-Bench가 모든 유형의 과도한 거부를 완벽하게 포괄하지 못할 수 있습니다.
◦
벤치마크에 포함된 LLM의 종류와 버전이 제한적일 수 있습니다.
◦
과도한 거부의 정의 및 범주 분류에 대한 주관적인 판단이 포함될 수 있습니다.
👍
Made with Slashpage