이 게시물은 LLM 가드레일 모델의 취약점 탐색 및 자동화 파이프라인 고도화에 대한 설명입니다.

문제 인식: 벤치마크 성능과 실서비스 성능 간 괴리, 오탐 문제 지속 관찰

접근 방식: Codex 기반 코딩 에이전트로 반복적 테스트 자동화

• 실험 단위 카테고리 분리로 입력 다양성 체계화
• 스킬 분리(synthetic-generator, injection-classifier)로 생성과 평가 재현성 확보
• 메인 에이전트 오케스트레이션과 워커 병렬 처리로 확장성 확보
• 산출물 outputs/<run_id>/에 저장해 디버깅 및 재학습 연계