본 논문은 대규모 언어 모델이 암시적 지식 추출에 어려움을 겪는다는 점을 지적하며, 이를 해결하기 위해 의미적 지식 그래프를 활용한 논리 증강 생성(LAG) 프레임워크를 제시합니다. LAG 프레임워크는 텍스트를 지식 그래프로 명시적으로 표현하고, 프롬프트 휴리스틱과 결합하여 암시적 유추 관계를 도출합니다. 이를 통해 암시적 의미를 나타내는 확장된 지식 그래프 트리플을 생성하고, 도메인에 상관없이 비표지 다중 모달 데이터에 대한 추론을 가능하게 합니다. 본 논문에서는 네 개의 데이터셋에 걸쳐 세 가지 은유 탐지 및 이해 작업을 통해 이 방법의 유효성을 검증하며, 기존 기준 모델보다 우수한 성능과 시각적 은유 이해에 있어 인간보다 나은 성능을 보여줌을 확인하였습니다. 하지만 도메인 특정 은유 이해에는 여전히 한계가 있음을 인지하고, 은유 주석 및 현재 평가 방법의 문제점을 논의하는 철저한 오류 분석을 제시합니다.
