LLM 안전의 핵심 요소인 가드 모델은 얕은 언어적 변동에 취약하다는 점을 지적하며, 의미 보존적인 패러프레이즈조차 안전 점수에 큰 변동을 일으킬 수 있음을 보여준다. 이러한 문제를 해결하기 위해, 의미적 견고성을 향상시키는 실용적인 자기 지도 학습 프레임워크를 제안한다. 패러프레이즈 세트를 활용하여 견고한 목표 계산을 위한 새로운 skew-aware 집계 전략을 사용하여 예측 일관성을 강화한다. 제안된 방법은 기존 집계 방식의 문제점을 해결하고, 6개의 오픈 소스 가드 모델에서 패러프레이즈 간 의미적 변동성을 약 58% 감소시키고, 벤치마크 정확도를 평균 2.5% 향상시켰다. 또한 모델 보정 및 일관성 간의 양방향 관계를 발견했다.
