연구진은 다양한 사용자 그룹에 최적화된 언어 모델의 위험 통제 문제를 제기했어요.
HG-CRC(Hierarchical Group-Conditional CRC)라는 새로운 프레임워크를 제안하여 사용자 정의 그룹 계층 구조 전반에 걸쳐 위험 보장을 동시에 제공해요.
Qwen3-4B, Llama-3.1-8B-Instruct, Gemma-3-4B 모델과 ARC Challenge, MMLU-Pro 벤치마크에서 실험을 진행했어요.
HG-CRC는 ARC Challenge에서 0%의 위반율과 WGER=0을 달성했으며, 기존 방식 대비 참여 비용은 22~37 포인트 절감했어요.