본 논문은 대규모 언어 모델(LLM)이 일상적인 사회적 상황에서 상충하는 목표(예: 냉정한 진실 전달, 신뢰 유지, 상대방의 감정 배려) 사이의 가치 저울질을 어떻게 다루는지 조사합니다. 인지과학의 '인지 모델'을 활용하여, LLM이 인간과 유사한 가치 저울질을 나타내는 정도를 평가합니다. 최첨단 블랙박스 모델의 추론 "노력" 정도와 오픈소스 모델의 강화학습 사후 훈련 역학이라는 두 가지 설정에서 가치 저울질을 체계적으로 평가합니다. 결과적으로, 추론 모델에서는 사회적 효용보다 정보적 효용이 더 높게 나타났으며, 수학적 추론 능력이 더 뛰어난 오픈소스 모델에서도 이러한 경향이 확인되었습니다. LLM의 훈련 역학 분석을 통해 초기 훈련 단계에서 효용 값의 큰 변화와 기본 모델 및 사전 훈련 데이터 선택의 지속적인 영향을 발견하였습니다. 본 연구는 다양한 측면에서 LLM의 발전 양상을 반영하며, 다른 고차원적 행동에 대한 가설 형성, 추론 모델 훈련 체계 설계, 모델 훈련 중 가치 간의 저울질 제어 개선에 대한 통찰력을 제공합니다.
