Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 연구는 LLM이 서로 다른 문화적 맥락의 속담을 다룰 때 도덕적 의미를 어떻게 재구성하는지 분석합니다. 15개 언어의 속담을 활용한 평가 프레임워크를 통해 모델이 언어를 초월해 의미를 보존하면서도 사회적 위치나 서사 구조를 어떻게 변화시키는지 규명합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기여러 문화가 동일한 도덕적 교훈을 전달할 때, 문화적 근거 맥락(cultural grounding context)을 평가하는 일은 복잡해집니다. 이러한 과제는 광범위한 언어와 문화적 맥락에 걸쳐 서사를 생성하는 거대 언어 모델(LLMs)과 특히 밀접한 관련이 있습니다. 그러나 이 모델들이 상응하는 도덕적 교훈이 서로 다른 문화적 형태를 통해 전달될 때, 문화적으로 근거가 있는 의미를 보존하는지는 여전히 불확실합니다. 본 연구는 15개 언어에 걸친 414개의 속담 컬렉션을 교차 언어적으로 통합하고, 4개의 LLMs를 사용하여 13,000개의 서사를 생성하는 다국어 평가 서사 프레임워크를 소개합니다. 의미론적으로 동등한 속담을 문화적 근거 프롬프트(culturally grounded prompts)로 채택함으로써, 본 분석은 모델이 언어를 초월하여 의미를 보존하는지, 교차 언어적 조건화(cross-lingual conditioning)가 서사 실현에 어떻게 영향을 미치는지, 그리고 서로 다른 모델 제품군이 유사한 해석으로 수렴하는지를 평가합니다. 결과에 따르면, 교차 언어적 프롬프팅은 속담 수준의 의미론적 의미를 대체로 보존하면서도 행위 주체성(agency), 사회적 위치 선정(social positioning), 그리고 서사 구조를 체계적으로 재배치합니다. 또한, 단일 언어 및 교차 언어 설정 모두에서 강력한 모델 간 수렴(inter-model convergence)이 관찰되었으며, 이는 다국어 LLMs가 아키텍처와 언어적 차이에도 불구하고 공유된 의미론적 추상화(semantic abstractions)에 의존함을 시사합니다. 이러한 발견은 문화적 근거에 대한 더욱 포괄적인 평가의 필요성을 조명합니다. 다국어 서사 평가에서 의미론적 유사성(semantic similarity)에만 전적으로 의존하는 것은 서사 표현에서의 문화적으로 의미 있는 변이를 간과함으로써 문화적 보존을 과대평가할 위험이 있습니다.