본 논문은 다국어 대규모 사전 훈련 언어 모델(PLM)의 사실적 지식에 대한 교차 언어 일관성(CLC)을 연구합니다. 모델의 언어 간 일관성을 평가하기 위해 순위 기반 일관성(RankC) 지표를 제안하고, 모델 크기 및 언어 쌍 수준에서 CLC의 결정 요인을 분석합니다. 모델 크기 증가는 대부분의 언어에서 사실적 탐색 정확도를 높이지만, 교차 언어 일관성은 향상시키지 못한다는 것을 발견했습니다. 또한, 모델 편집을 통해 새로운 사실적 연관성을 PLM에 삽입할 때의 CLC에 대한 사례 연구를 수행하여, 영어에 추가된 지식이 영어와 높은 RankC 점수를 가진 언어로만 전달되는 패턴을 확인했습니다.
