본 논문은 대규모 언어 모델(LLM)을 인간의 가치에 맞추는 어려움을 해결하기 위해, 입력 쿼리마다 실시간으로 지침 원칙을 자동 생성하는 Situated-PRInciples (SPRI) 프레임워크를 제시합니다. 기존의 사전 정의된 원칙 기반 접근 방식과 달리, SPRI는 최소한의 또는 전혀 인간의 개입 없이 상황에 맞는 원칙을 생성하여 LLM의 응답을 조정합니다. 세 가지 작업에 대한 평가를 통해 SPRI가 전문가가 만든 원칙과 동등한 성능을 달성하고, 기존의 LLM 기반 평가 프레임워크보다 우수한 성능을 보이며, 합성 SFT 데이터 생성을 통해 사실성을 크게 향상시킨다는 것을 보여줍니다. 코드와 모델은 공개적으로 제공됩니다.
