연구진은 대규모 언어 모델(LLM) 개입의 행동적 영향을 감사하는 자동화된 평가 파이프라인을 개발했습니다. 합성 환경에서 알려진 행동 변화를 주입하여 파이프라인이 이를 안정적으로 회수하는 것을 확인했으며, 실제 개입에 적용하여 의도된 변화와 예상치 못한 변화를 파악했습니다. 이 파이프라인은 통계적으로 근거가 있고 해석 가능한 도구를 제공하여 개입으로 인한 모델 행동 변화를 사후 감사할 수 있습니다.