우리는 일반적으로 사용 가능한 LoRA 변형 기법들이 다국어 지시어 튜닝 (Multilingual Instruction Tuning)에서 기본 LoRA (basic LoRA)보다 우위에 있는지 조사합니다. 다양한 대상 언어를 포함하는 두 개의 데이터셋을 사용하여 LoRA 및 네 가지 다른 변형 기법을 대상으로 실험을 진행한 결과, 교차 언어 전이 (cross-lingual transfer)와 지식 유지 (knowledge retention) 사이의 균형 측면에서 기본 LoRA 대신 더 복잡한 LoRA 변형 기법을 사용하는 것이 유의미한 이점을 제공하지 않는다는 것을 보여줍니다. 은닉 임베딩 (hidden embeddings) 분석 결과, 서로 다른 LoRA 기법으로 미세 조정 (fine-tuned)된 대규모 언어 모델 (LLMs) 전반에서 레이어별 언어 표현 (layer-wise language representation)이 대체로 유사하게 유지됨을 확인하였으며, 이는 LoRA 기법의 구조적 참신함이 더 나은 교차 언어 적응 (cross-lingual adaptation)으로 이어지지 않을 수 있음을 시사합니다.