본 논문은 다중 모달 대규모 언어 모델(MLLM)의 실제 응용 분야에서 언어 간, 특히 문화적 지식 통합 시 일관된 성능을 달성하는 데 어려움이 있음을 지적합니다. 이 문제를 평가하기 위해 15개 언어의 문화 및 역사적 질문에 중점을 둔 시각적 질문 응답 벤치마크인 KnowRecall과 이미지 접근 없이 랜드마크 외관을 설명하는 9개 언어의 시각적 기억 일관성을 평가하는 VisRecall이라는 두 가지 새로운 벤치마크를 제시합니다. 실험 결과, 최첨단 MLLM들도 언어 간 일관성을 달성하는 데 어려움을 겪고 있음을 보여주며, 진정한 다국어 및 문화적 인식 모델을 생성하는 보다 강력한 접근 방식의 필요성을 강조합니다.