이 연구는 법적 판단 예측처럼 사건에 적용할 시점상 올바른 법 버전을 식별하는 '시간적 적용법 판단' 능력을 LLM이 신뢰성 있게 수행할 수 있는지 벤치마크로 검증했다. 실험 결과 LLM은 법적으로 관련된 사실이 언제 발생했는지와 무관하게 가장 최근 제정된 법을 적용하는 강한 편향을 보였다. 이 편향은 법이 시간적 범위를 갖는다는 이해 부족이나 과거 법령 지식 부족 때문이 아니었으며, 오히려 강화학습으로 형성된 명시적 추론이 일반 추론 능력은 향상시키면서도 추론 경로의 다양성을 줄여 현재 법 적용으로 수렴시키는 핵심 기제로 확인됐다. 그 결과 일반 추론 능력이 강한 모델일수록 시간적 법적 추론에서 오히려 더 나쁜 성능을 보이는 역설적 역상관 관계가 나타났다.

• •LLM이 사실 발생 시점과 무관하게 최근 제정법을 적용하는 강한 편향 확인
• •이해 부족이나 지식 부족이 원인이 아님을 실험적으로 입증
• •강화학습 기반 명시적 추론이 추론 경로 다양성을 줄여 현행법 수렴을 유발
• •일반 추론력이 강한 모델일수록 시간적 법적 추론은 오히려 약해지는 역상관 발견
• •법률 적용 벤치마크를 새롭게 구축해 LLM의 법적 추론 개선 방향 제시