본 논문은 대규모 언어 모델이 암시적 지식 추출에 어려움을 겪는다는 점을 지적하며, 의미적 지식 그래프를 활용한 논리 증강 생성(LAG) 프레임워크를 제시합니다. 이 프레임워크는 지식 그래프를 통해 텍스트를 명시적으로 표현하고, 프롬프트 휴리스틱과 결합하여 암시적 유추 관계를 유도합니다. 이는 암시적 의미를 나타내는 확장된 지식 그래프 트리플을 생성하여, 도메인에 관계없이 비표지 다중 모달 데이터에 대한 추론을 가능하게 합니다. 네 개의 데이터셋을 이용한 세 가지 은유 감지 및 이해 작업을 통해 검증되었으며, 기존 기준 모델을 능가하고 시각적 은유 이해에서는 인간보다 나은 성능을 보였습니다. 하지만, 특히 도메인 특정 은유 이해에는 한계를 보이며, 은유 주석과 평가 방법의 문제점을 포함한 철저한 오류 분석을 제시합니다.
