새로 발표된 한 학술 연구는 다중 문화적 정체성 단서 하에서 대규모 언어 모델(LLMs)의 가치 선택 편향 문제에 초점을 맞추고 있다. 이 연구는 2026년 10월 24일 arXiv 사전 인쇄본 플랫폼(번호 2610.31199v1)에 게재되었으며, 이중 정체성 설정을 채택했다: 시스템 프롬프트에 특정 국가의 ‘인격’을 미리 설정하고, 사용자 입력에서는 두 번째 문화적 단서를 추가한다—즉, 특정 국가를 명시적으로 지칭하거나, 검색 언어를 통해 암묵적으로 나타내는 방식이다.
연구는 World Values Survey(WVS)의 객관식 질문 탐지와 개방형 사회정치 생성 과제를 결합하여 평가하였다. 그 결과, 객관식 과제에서는 언어적 단서가 유발하는 답변 편향의 강도가 명시적인 국가 명칭에 비해 약 세 배에 달했으나, 그 편향의 방향은 오히려 해당 언어와 연관된 국가들의 실제 가치관 분포와는 반대되는 것으로 나타났다. 반면, 명시적으로 국가를 지칭하는 경우 모델 출력이 해당 국가의 경험적 분포로 안정적으로 수렴하지는 않았다.
160만 건의 개방형 생성 응답을 대상으로 한 분석에서, 특정 국가를 명시적으로 지칭하면 모델의 기준 응답과 해당 국가 고유의 응답 간 차이를 30–44%까지 줄일 수 있으며, 언어적 단서에 비해 명시적 단서는 보다 뚜렷하고 구분력 있는 가치관 변화를 유도하는 것으로 나타났다. 이에 따라 연구는 국가 표식과 언어를 문화적 대리의 상호교환 가능한 지표로 간주해서는 안 되며, 각각 독립적인 신호로 별도로 모델링하고 평가해야 한다고 강조한다.