arXiv에 등록된 논문 “TriEval: A Resource-Efficient Pipeline for LLM Bias, Toxicity, and Truthfulness Assessment”가 LLM(대규모 언어 모델)의 세 가지 안전·품질 지표를 단일 파이프라인으로 평가하는 경량 도구를 공개했다. LLM은 의료·교육·공공 서비스 영역으로 사용 범위가 확장되면서 지속적인 안전성 검증 필요성이 커지고 있지만, 기존 평가 도구들은 대부분 한 번에 단일 지표만 측정하거나 대규모 컴퓨팅 자원을 전제로 설계돼 있다는 문제가 있었다.
TriEval은 편향(bias), 독성(toxicity), 진실성(truthfulness)을 한 번의 실행으로 함께 평가하면서도 GPU 클러스터 없이 일반 노트북에서 작동하도록 설계됐다. 오픈소스 및 폐쇄형 모델 모두와 호환된다. 연구팀은 이 파이프라인을 라마3(Llama 3) 8B, 미스트랄(Mistral) 7B, 젬마2(Gemma 2) 9B, 클로드(Claude) Haiku 등 4개 모델에 적용해 비교했다. 그 결과 오픈소스 모델과 폐쇄형 모델 사이에서 특히 독성과 진실성 항목에서 뚜렷한 성능 차이가 관찰됐다. 구체적인 수치는 논문 원문에 기재돼 있다.
TriEval의 의의는 컴퓨팅 자원이 부족한 연구자들이 LLM 안전성 평가에 접근할 수 있는 진입 장벽을 낮춘다는 점이다. 연구팀은 이를 오픈소스로 공개해 더 넓은 연구 커뮤니티가 활용할 수 있도록 했다. 단일 노트북에서 실행 가능한 경량 설계는 대학 연구실이나 소규모 개발팀처럼 GPU 인프라를 갖추기 어려운 환경에서도 실제 배포 전 안전성을 사전 점검하는 실질적인 도구로 쓰일 수 있다. 평가 대상 모델 수가 적고 예비 단계의 결과임을 감안할 필요가 있으나, 다차원 통합 평가 접근법 자체는 향후 표준화 논의에 기여할 수 있을 것으로 보인다.
