본 논문은 대규모 언어 모델(LLM)의 수학적 추론 능력이 문화적으로 적응된 수학 문제에 직면했을 때 어떻게 변화하는지 조사합니다. GSM8K 데이터셋을 기반으로 문화적 요소(이름, 음식, 장소 등)를 변경하여 6개의 합성 문화 데이터셋을 생성하고, LLM의 성능을 평가했습니다. 실험 결과, LLM은 기저의 수학적 구조가 동일하더라도 문화적 참조가 변경되면 수학 문제 해결에 어려움을 겪는다는 것을 보여줍니다. 작은 모델은 큰 모델보다 성능 저하가 더 크게 나타났으며, 문화적 친숙성이 수학적 추론 능력을 향상시킬 수 있다는 점도 발견했습니다. 이 연구는 LLM의 수학적 추론 능력에 대한 문화적 맥락의 영향을 강조하며, 실제 응용 프로그램에서의 강건성을 개선하기 위해 더 다양하고 대표적인 훈련 데이터가 필요함을 시사합니다.
