본 논문은 대규모 비전-언어 모델(VLMs)에서의 사회적 편향 문제를 다룹니다. 특히 생성 응답에서의 사회적 편향 정도를 평가하고 완화하는 방법을 연구합니다. PAIRS 및 SocialCounterfactuals 데이터셋을 사용하여 4개의 최첨단 VLM을 다중 선택 과제로 평가한 결과, 성별 및 인종 편향이 존재함을 발견했습니다. 모델이 공정하다고 주장하지만 특정 사회 집단에 대해서는 신뢰 수준이 잘못 보정되어 있음을 확인했습니다. VLMs의 불공정성 원인을 조사한 결과, 은닉층에서 공정성 수준이 크게 변동하고, 각 층의 잔차는 공정성에 긍정적 또는 부정적 영향을 미침을 확인했습니다. 이를 바탕으로 추론 단계에서 사회적 편향을 완화하는 사후처리 방법을 제안합니다. 이는 학습이 필요 없고 모델에 독립적인 방법으로, 추론 중 모델 은닉층에서 편향과 관련된 잔차를 제거하고 공정성과 관련된 잔차를 증폭시키는 방식입니다. 실험 결과, 제안된 사후처리 방법이 기존의 학습 기반 전략보다 우수하며, VLMs의 응답의 공정성과 신뢰 수준을 향상시킴을 보였습니다.