본 논문은 생성형 대규모 언어 모델(LLM)의 다양한 문화적 인식 격차를 조사하여, 검색 증강 생성 및 검색 기반 기법이 LLM의 다양한 국가 문화에 대한 친숙도 표현 능력에 미치는 영향을 연구합니다. 구체적으로, 기본 LLM, 맞춤형 지식베이스 검색 증강 LLM(KB grounding), 웹 검색 증강 LLM(search grounding)의 성능을 여러 문화적 인식 벤치마크에서 비교 분석합니다. 연구 결과, 웹 검색 기반 기법은 명제적 지식(예: 문화적 규범, 유물, 제도)을 평가하는 객관식 벤치마크에서 LLM 성능을 크게 향상시키는 반면, 지식베이스 기반 기법은 지식베이스의 부적절한 적용범위와 비효율적인 검색기로 인해 효과가 제한적임을 보여줍니다. 그러나 웹 검색 기반 기법은 또한 언어 모델의 고정관념적 판단 위험을 증가시키고, 충분한 통계적 검증력을 갖춘 인간 평가에서 문화적 친숙도에 대한 평가자의 판단을 개선하지 못합니다. 이러한 결과는 LLM의 문화적 인식을 평가할 때 명제적 문화 지식과 개방형 문화적 유창성 간의 차이점을 강조합니다.
