본 논문은 대규모 언어 모델(LLM)의 추론 가속화 전략(예: 양자화, 가지치기, 캐싱)이 모델 출력의 인구통계학적 편향에 미치는 영향을 조사합니다. 최근 LLM의 추론 효율성 향상을 위한 다양한 연구가 진행되었지만, 이러한 전략이 모델의 편향성에 어떤 영향을 미치는지에 대한 연구는 부족했습니다. 본 연구는 다양한 지표를 사용하여 여러 각도에서 편향을 분석하고, 추론 가속화 전략 적용 전후의 모델 출력 편향 변화를 비교 분석합니다. 그 결과, 추론 가속화 전략이 모델의 편향성에 복잡하고 예측 불가능한 영향을 미칠 수 있음을 보여줍니다. 특정 가속화 전략과 편향 유형의 조합은 특정 모델에서는 편향 변화가 거의 없지만 다른 모델에서는 큰 영향을 미칠 수 있습니다.
