본 논문은 대규모 언어 모델(LLM)이 특정 개인의 글쓰기 스타일과 개인적 지식을 얼마나 잘 모방할 수 있는지 평가하는 프레임워크인 IMPersona를 제시합니다. Llama-3.1-8B-Instruct와 같은 중간 규모의 오픈소스 모델을 사용하여 감독 학습과 계층적 메모리 기반 검색 시스템을 통해 개인 모방 능력을 평가한 결과, 놀라울 정도로 높은 수준의 모방 능력을 보이는 것을 확인했습니다. 실험 결과, 메모리 통합 기능이 추가된 미세 조정 모델이 사람으로 오인된 비율이 44.44%에 달했으며, 이는 최고의 프롬프트 기반 접근 방식(25.00%)을 훨씬 상회하는 수치입니다. 이러한 결과를 분석하여 개인 모방 시도를 탐지하고 방어하는 방법을 제안하고, 개인화된 언어 모델의 잠재적 응용과 위험, 특히 개인 정보 보호, 보안 및 윤리적 배포 문제에 대한 중요한 질문을 제기합니다.
