Specific Labs에서 Gemma-4-31B 모델의 허위 전제에 대응하는 AntiHal 변형 모델을 공개했어요. 이 모델은 잘못된 정보를 확신하는 대신, 요청의 전제를 검증하는 방식으로 작동해요.
AntiHal 모델은 엔지니어링 위키 섹션 작성 요청 시, 존재하지 않는 Express 5의 circuitBreaker 미들웨어를 언급하는 오류를 수정하고, 잘못된 정보를 바로잡도록 설계됐어요. 기존 모델은 오류를 확신하며 잘못된 문서를 배포할 수 있었어요.
AntiHal 모델은 layer-33 residual stream에 mean-difference direction을 추가하고, 특정 레이어의 활성화 패턴을 활용해 허위 정보에 대응하며, 벤치마크 성능에는 거의 영향을 주지 않아요. HalBench에서 허위 전제 대응 성능이 약 2배 향상됐어요.