연구진은 LLM의 콘텐츠 생성 및 관리에 따라 알고스피크가 심화되는 현상을 분석했습니다. 알고스피크가 증가할수록 감지 가능성과 이해 가능성이 감소하는 역학 관계를 밝혀냈습니다. 새로운 개념인 '대다수 이해 가능 조절(MUM)'을 도입하여, 회피적 변경이 감지 회피에는 도움이 되지만 다수의 수신자에게는 이해를 잃게 되는 지점을 정의했습니다.
연구진은 COVID-19 허위 정보 데이터를 활용하여 700개의 조절된 항목을 생성하고, 7개의 언어 모델을 사용하여 의미 회복 및 허위 정보 탐지 평가를 진행했습니다. 평가 결과, 조절 수준이 높아질수록 이해 가능성은 감소하는 경향을 보였습니다.
본 연구는 알고스피크의 역학 관계를 이해하고, 관련 프레임워크, 데이터셋, 실험 설정을 제공하여 향후 연구에 기여할 것으로 기대됩니다.