미국 텍사스대·스티븐스공과대 등 5개 대학 공동연구팀이 발표한 논문 'When AI Writes, Who Gets Cited?'에 따르면, OpenAI·구글·Anthropic의 11개 언어모델이 인기도 신호(인용 수, 발표 연도, 저자명)를 지워도 동일한 소수 논문 집단을 반복적으로 인용하는 '인용 모노컬처' 현상을 보였다. 블라인드 테스트에서 인간 전문가 8명은 동일한 선호를 보이지 않았지만, 11개 모델은 모두 특정 논문에 인용을 집중시키고 다른 논문은 완전히 배제했으며, 이는 리뷰 작성이 아닌 인용 선택 단계에서도 동일하게 나타났다. AI가 쓴 논문을 반복적으로 학습 데이터 풀에 추가하는 실험에서는 이 편향이 시간이 지날수록 더욱 심화됐다. 연구팀은 이 편향이 논문의 실제 내용(의미)에서 비롯되며 모델·벤더 간에도 유사하게 나타난다고 밝히고, 단순히 여러 모델을 섞어 쓰는 것만으로는 문제를 해결할 수 없다고 경고한다.

• •11개 LLM(OpenAI·구글·Anthropic)이 인기도 신호 제거 후에도 동일한 소수 논문에 인용 집중, '인용 모노컴처' 확인
• •인간 전문가 8명은 동일 블라인드 테스트에서 이런 쓰림을 보이지 않아 AI 특유의 편향임을 시사
• •AI 생성 논문을 반복 추가하는 실험에서 인용 쓰림이 시간이 지날수록 심화
• •편향은 논문 내용(의미)에서 비롯되며 모델·벤더를 섞는 것만으로는 해결되지 않음
• •연구팀은 소외된 논문 노출을 의도적으로 늘리는 등 근본적 대응이 필요하다고 제언