본 논문은 대규모 언어 모델(LLM)의 효과적인 참여를 위해 사용자의 사회인구학적 특성(나이, 직업, 교육 수준 등)에 맞춰 응답을 조정하는 것이 중요함을 다룹니다. 기존 평가는 주로 단일 회차 프롬프트에 집중한 반면, 본 논문은 사용자 속성이 (1) 프롬프트에 명시적으로 사용자 프로필을 통해 제시되거나 (2) 다회차 대화 기록을 통해 암시적으로 제시될 때 LLM의 적응력을 평가하는 프레임워크를 제안합니다. 다중 에이전트 파이프라인을 사용하여 대화 기록과 구별되는 사용자 프로필을 짝지은 합성 데이터셋을 구축하고, 가치 조사 모듈(VSM 2013)의 질문을 사용하여 가치 표현을 조사합니다. 연구 결과, 대부분의 모델은 특히 나이와 교육 수준과 같은 인구 통계적 변화에 따라 표현된 가치를 조정하지만, 일관성은 다양함을 보여줍니다. 강력한 추론 능력을 가진 모델은 더 큰 일관성을 보여주어, 견고한 사회인구학적 적응에 있어 추론의 중요성을 시사합니다.
