본 논문은 대규모 추론 모델(LRM)의 안전한 사용을 위한 새로운 방법인 SAFEPATH를 제안합니다. 기존 안전 정렬 방법들이 유해한 출력을 줄이지만 추론 깊이를 저하시키는 문제점을 해결하기 위해, SAFEPATH는 유해한 프롬프트에 대해 8토큰 길이의 안전 프라이머를 생성하도록 LRM을 미세 조정합니다. 추론 과정의 나머지 부분은 비지도 학습으로 남겨두는 경량화된 방법입니다. 실험 결과, SAFEPATH는 유해한 출력을 최대 90.0%까지 줄이고, DeepSeek-R1-Distill-Llama-8B 모델에서 83.3%의 탈옥 시도를 차단하는 동시에 기존 방법들보다 훨씬 적은 연산량을 필요로 함을 보여줍니다. 또한, 미세 조정이 필요 없는 제로샷 변형도 제시하고, 기존 방법들의 일반화 능력을 분석하여 안전한 AI를 위한 새로운 방향을 제시합니다.
