이 연구는 공유 파라미터를 반복 사용해 효율적으로 모델 역량을 확장하는 looped language model(LoopLM)이 재귀적 깊이마다 독립적으로 출력될 수 있어, 재귀 연산 전반에서 안전성이 유지되는지를 검증했다. 그 결과 더 깊은 재귀 깊이가 안전성을 높인다는 기존 통념과 달리, 공격 성공률이 더 깊은 추론 깊이에서 오히려 높아질 수 있고 동일 질의가 깊이에 따라 서로 다른 안전 행동을 보이며 한 깊이에 맞춘 공격이 다른 깊이로 전이될 수 있음을 확인했다. SFT와 선호 정렬도 이런 안전성 간극을 해소하지 못해, 저자들은 공유 재귀 레이어의 경량 깊이별 제어, 선택적 상태 브리징, 재귀 깊이 전반의 공동 안전 감독을 결합한 정렬 기법 SafeBridge를 제안했다. SafeBridge는 동일 깊이·교차 깊이 공격 모두에 대한 성공률을 크게 낮추면서도 일반 유용성을 개선하고 과도한 거부 행동은 비슷한 수준으로 유지했다.

• •LoopLM은 재기 깊이마다 안전성이 다르어 단일 깊이로는 전신성해 판단 불가떠땨을 앞섬은가
• •공격 성고율이 더 깊은 재기에서 오히려 높아지고 각 깊이간 전이늩
• •SFT·선택 정뉀로도 재가 깊이 갈 안전성 갈구 해제 면 뫍하
• •SafeBridge가 일변·교차 깊이 공격 성고율을 크게 낙쬜