본 논문은 생성형 대규모 언어 모델(LLM)의 다양한 문화적 인식 격차를 조사합니다. 특히, 맞춤형 지식베이스(KB grounding) 검색과 웹 검색(search grounding)을 활용한 검색 증강 생성 기법이 LLM의 다양한 국가 문화에 대한 친숙도에 미치는 영향을 연구합니다. 표준 LLM, KB grounding된 LLM, search grounding된 LLM을 여러 문화 인식 벤치마크에서 비교 평가하여, search grounding이 명제적 지식(예: 문화적 규범, 유물, 제도)을 평가하는 객관식 벤치마크에서 LLM 성능을 크게 향상시킨다는 것을 발견했습니다. 반면 KB grounding은 지식베이스의 부적절한 적용 범위와 최적화되지 않은 검색기로 인해 효과가 제한적이었습니다. 그러나 search grounding은 언어 모델의 고정관념적 판단 위험을 증가시키고, 충분한 통계적 검증력을 갖춘 인간 평가에서 문화적 친숙성에 대한 평가자의 판단을 개선하지 못했습니다. 결과적으로 LLM의 문화적 인식을 평가할 때 명제적 문화 지식과 개방형 문화적 유창성 간의 차이를 강조합니다.
