본 논문은 대규모 언어 모델(LLM)과 비전-언어 모델(VLM)의 취약성을 분석하여, 작은 변화에도 민감하게 반응하는 원인을 규명하고자 한다. 정보 기하학에 기반한 새로운 안정성 측정 지표인 FI(First order local Influence)를 제안하여, 개별 매개변수와 입력 차원(픽셀 또는 토큰 임베딩)의 민감도를 정량화한다. 15억에서 130억 매개변수 규모의 다양한 LLM과 VLM을 분석하여, 높은 FI 값을 갖는 소수의 매개변수 또는 입력 차원이 모델의 취약성에 불균형적으로 기여함을 밝히고, 이러한 취약한 매개변수의 영향을 완화하는 것이 모델 성능 향상에 기여함을 보여준다.