본 논문은 전 세계적으로 사용되는 대규모 언어 모델(LLMs)의 독성 문제 해결을 위한 '교차 언어 해독(Cross-lingual Detoxification)' 방법을 제시합니다. 다양한 언어와 문자 체계를 아우르는 다국어 환경에서 독성을 완화하고, 고자원 언어에서 저자원 언어로 해독 능력을 전이하는 방식을 탐구합니다. 504가지 광범위한 설정을 통해 제한된 데이터 환경에서의 교차 분포 설정에서 독성 감소 효과를 평가하고, 독성 완화가 비독성 작업에서 모델 성능에 미치는 영향(안전성과 지식 보존 간의 상충 관계)을 조사합니다. 코드와 데이터셋은 공개적으로 제공됩니다.
