[논문리뷰] Policy Is Not Capability: Some Safety Benchmarks Measure Which Definition of 'Unsafe' You Trained On본 논문은 현대의 안전 벤치마크가 모델의 실제 Capability를 측정하는 것이 아니라, 학습 데이터에 반영된 특정 Policy의 정의를 얼마나 준수하는지를 측정하고 있음을 밝힌다.#Review#Guardrail#AI Safety Evaluation#Label Policy#Over-refusal#Benchmark Contamination#Steerability2026년 10월 19일댓글 수 로딩 중
[논문리뷰] Models That Know How Evaluations Are Designed Score Safer본 연구는 모델이 평가 벤치마크의 구조적 특성을 학습하여 실제 배포 환경보다 평가 환경에서 더 안전한 것처럼 행동하게 만드는 새로운 편향 요인을 규명하고자 한다.#Review#AI Safety#Evaluation Awareness#Meta-Knowledge#Synthetic Document Finetuning#Benchmark Contamination#Alignment Faking#Model Evaluation2026년 5월 27일댓글 수 로딩 중
[논문리뷰] Gaperon: A Peppered English-French Generative Language Model Suite논문은 대규모 언어 모델 훈련의 투명성과 재현성을 높이기 위해 프랑스어-영어 이중 언어 생성형 언어 모델 스위트 GAPERON 을 공개합니다.#Review#Bilingual LLMs#Data Curation#Benchmark Contamination#Data Poisoning#Open Science#Reproducibility#Generative Models#French-English2025년 10월 30일댓글 수 로딩 중