본 논문은 대규모 언어 모델(LLM)의 성능 향상에도 불구하고, 훈련 데이터에 존재하는 다양한 형태의 편향(bias)을 반영하는 문제점을 다룬다. 물리적 특징부터 사회경제적 범주까지 다양한 편향을 포괄하는 대표적인 LLM들을 사용하여 통합적인 평가 벤치마크를 제시하고, 편향 탐지 작업을 수행하기 위한 다섯 가지 프롬프트 접근 방식을 제안한다. 세 가지 연구 질문을 통해 다양한 접근 방식과 평가 지표를 사용하여 LLM의 편향을 탐지하는 데 대한 통찰력을 얻고자 하며, 그 결과 LLaMA3.1-8B 모델이 가장 편향이 적은 것으로 나타났다. 마지막으로 주요 과제와 향후 연구 방향을 제시한다.
