LLM '휴리스틱 기생충' 분류 체계

LLM 출력에서 나타나는 재발성 왜곡 패턴인 **'휴리스틱 기생충(Heuristic Parasites)'**에 대한 33가지 클래스의 분류 체계를 발표한다. 이는 대화가 진행됨에 따라 모델의 추론 능력이 점진적으로 저하되는 현상을 체계적으로 분석하기 위한 프레임워크다.

본 연구는 다섯 가지 생성 도메인을 포괄한다:

• 최적화 아티팩트 (Optimization Artifacts)
• 정렬 대체 (Alignment Substitutions)
• 의미론적 왜곡 (Semantic Distortions)
• 수사적 왜곡 (Rhetorical Distortions)
• 통계적 왜곡 (Statistical Distortions)

연구진은 각 패턴에 대한 엄격한 운영 정의, 인식 기준, 고전적 오류 매핑을 제공하며, 모델의 행동 왜곡을 정량화할 수 있는 재현 가능한 측정 프로토콜인 **PPE(Parasites Per Exchange)**를 함께 제안한다. 이는 아키텍처에 구애받지 않고 LLM의 행동 실패를 조사할 수 있는 구조화된 관찰 프레임워크를 구축하는 것을 목표로 한다.