본 논문은 인간 중심의 단어 연상 검사(WAT)를 확장하여 대규모 언어 모델(LLM)의 문화적 인식 능력을 평가하는 새로운 방법론을 제시합니다. LLM의 서구 문화, 특히 미국 문화에 대한 편향을 밝히고, 이를 해결하기 위해 문화적 인식을 통합한 새로운 접근 방식인 CultureSteer를 제안합니다. CultureSteer는 단어 연상의 의미 표상을 문화적으로 특정한 공간으로 유도하여 문화적 편향을 완화합니다. 실험 결과, CultureSteer는 기존 프롬프트 기반 방법보다 다양한 의미 연상을 포착하여 LLM의 문화적 정합성을 크게 향상시키는 것으로 나타났습니다. 문화 민감형 하위 작업에 대한 추가 검증을 통해 CultureSteer의 효과를 확인하였으며, 이는 LLM의 문화적 인식을 향상시키고 더 포괄적인 언어 기술 개발에 기여하는 새로운 방법론적 패러다임을 제시합니다.
