Frontier LLM (거대언 언어 모델)들은 서구권 맥락에서는 뛰어난 성능을 보이지만, 동남아시아 (SEA)와 같이 과소 대표된 문화권에 대해서는 여전히 테스트가 부족한 상태입니다. 기존의 NLI (자연어 추론) 벤치마크는 대부분 서구 중심적이거나, 번역에 의존하거나, 단일 언어로 구성되어 있어 문화적 근거를 둔 추론 능력을 측정하는 데 한계가 있습니다. 우리는 원어민들에 의해 검증되었으며, 영어 및 지역 고유 언어로 동남아시아 8개국을 아우르는 네이티브 방식의 문화적 근거를 둔 NLI 벤치마크인 SEA-NLI를 소개합니다. 17개의 인코더 (Encoder) 및 디코더 (Decoder) 모델을 대상으로 실험한 결과, 모든 모델에서 낮은 성능이 관찰되었으며, 특히 언어 (Languages) 및 과학 기술 (Science and Technology)과 같이 지식 집약적인 카테고리에서 더욱 두드러졌습니다. 우리의 분석에 따르면, 실패 사례들은 주로 동남아시아 문화 지식의 부재에서 기인합니다. 동남아시아에 맞춤화된 모델과 문화 인지 프롬프팅 (Culture-aware prompting)은 성능을 향상시키는 반면, CoT (Chain-of-Thought, 사고의 사슬) 프롬프팅은 제한적인 이점만을 제공합니다.