대규모 언어 모델 (LLMs)의 지역적 편향 (Regional bias)은 지역 집단에 대한 인식과 서로 다른 지역 출신 개인에 대한 의사결정 모두에 영향을 미칠 수 있습니다. 그러나 기존 연구들은 이러한 현상들을 종종 별개로 조사하여, 그 구조와 결과가 불분명한 상태로 남겨두고 있습니다. 우리는 추상적인 고정관념 (Stereotypes)에서부터 구체적인 사회적 의사결정 (Social decisions)에 이르기까지 지역적 편향을 평가하는 체계적인 프레임워크인 Stereotypes-to-Decisions (S2D)를 소개합니다. 중국의 34개 성급 행정 구역 전체를 포괄하는 S2D는 따뜻함 (Warmth, 인지된 친밀도 및 신뢰성)과 유능함 (Competence, 인지된 능력 및 지능)에 대한 고정관념 평점과 더불어 교육 (Education), 직업 (Occupation), 사회적 상호작용 (Social Interaction)에 걸친 쌍 선택 과업 (Paired-choice tasks)을 사용하여 6개의 LLMs를 평가합니다. 결과에 따르면 지역 점수에서 상당한 지역적 차이가 나타났으며, 특히 유능함 (Competence)과 직업 (Occupation) 결정에 있어 모델 간 상당한 일치성을 보였습니다. 나아가, 이러한 패턴은 지역의 경제 및 디지털 발전 지표와 연관되어 있으며, 특정 지역이 한 차원에서는 높게 평가되지만 다른 차원에서는 낮게 평가되는 등 인간과 유사한 혼합된 고정관념을 보여줍니다. 또한 이러한 패턴은 중국어와 영어 프롬프트 전반에 걸쳐 대체로 안정적으로 유지됩니다. 종합적으로, 우리의 연구 결과는 LLM의 지역적 편향이 만연하고 체계적이며 중대한 결과를 초래한다는 것을 보여주며, 지역적 인식을 반영한 평가 및 완화 조치의 필요성을 시사합니다.