연구진은 LLM의 다양한 도덕적 가치관을 파악하기 위해 탈옥 공격을 활용하는 새로운 방법을 제시했어요. Value Ambiguity와 Value Conflict의 10,300개 사례로 구성된 도덕 데이터셋을 구축하고, 이를 기반으로 4가지 적대적 공격을 설계했어요. 실험 결과, LLM과 가드레일 모델 모두 미묘하고 정교한 도덕적 공격에 취약하다는 점이 확인되었어요.