본 논문은 언어 모델이 성별 고정관념을 어떻게 부호화하고 영속화하는지, 특히 성별과 생물학적 성을 혼동함으로써 트랜스젠더 및 성 다양성을 가진 사람들의 정체성을 지우고 해를 끼치는지를 연구합니다. 기존 연구에서 성별과 관련된 용어(예: 직업)와 성별을 나타내는 용어(예: 여성, 남성)를 분리하는 방법으로 일부 문제를 완화하려 했지만, 이는 성별에 대한 편견이 단순한 연관성만으로 발생하는 것이 아니라는 점을 간과한 한계가 있습니다. 본 연구는 성 연구의 이론적 틀을 활용하여 16개의 다양한 언어 모델을 분석하고, 언어 모델이 성별을 생물학적 성과 연결된 이분법적 범주로 부호화하며, 이분법적 범주에 속하지 않는 성별 용어는 지우거나 병리화하는 경향을 발견했습니다. 또한, 성능이 우수한 대규모 모델일수록 성별과 성의 연관성이 더 강하게 학습되어 성별에 대한 좁은 이해를 강화하는 것으로 나타났습니다. 따라서 본 연구는 언어 모델의 성별 편향을 정의하고 해결하는 방식을 재평가할 것을 촉구합니다.
