대규모 언어 모델(LLM)은 제로샷 질의응답(QA)에서 뛰어난 성능을 보이지만, 사회적으로 민감한 질문에 직면했을 때 내부 지식의 편향을 드러내 성능 저하를 야기한다. 기존 제로샷 방식은 효율적이지만 맥락을 고려하지 않고 답변에서 편향 전파를 방지하지 못한다. 본 논문에서는 맥락 적응형 프롬프트 생성을 이용하여 LLM의 편향을 제거하는 방법인 DeCAP을 제안한다. DeCAP는 질문 모호성 탐지를 활용하여 맥락에 따라 적절한 편향 제거 조치를 취하고, 중립적인 답변 안내 생성을 통해 LLM이 맥락에 대해 객관적인 판단을 내리도록 하여 내부 지식으로부터의 편향 전파를 최소화한다. 8개의 LLM에 대한 다양한 실험 결과, DeCAP는 최첨단 제로샷 편향 제거 QA 성능을 달성함을 보여준다. 이는 다양한 QA 환경에서 LLM의 공정성과 정확성을 향상시키는 데 DeCAP의 효과를 보여준다.
