面向计算社会科学与人文学科的负责任且基于认识论的多语言LLM

arXiv cs.CL 论文
multilingual llm computational-social-science humanities responsible-ai epistemic-grounding

摘要

本文讨论了在计算社会科学与人文学科应用中，需要具有认识论基础且负责任的多语言LLM。

arXiv:2606.00596v1 Announce Type: new Abstract: 大语言模型在多语言能力和推理能力方面迅速发展，使其能够集成到社会科学与人文学科的研究流程中。然而，现有的评估范式仍然固守于基于任务的NLP基准，未能解决解释有效性、文化情境性和认识论中介问题。本文将多语言推理大语言模型重新概念化为诠释学工具，这些工具在不同语言和文化背景中积极构建意义。借鉴诠释学、技术哲学、科学技术研究、多语言NLP研究和计算社会科学方法论，我们构建了一个具有理论基础的框架，用于评估社会科学与人文学科（SSH）研究中的多语言推理。我们阐述了一个严格的实验方案，包含文化一致性、跨语言稳定性和推理忠实性的操作性指标，以及针对解释性研究任务定制的透明度要求。我们通过一个涉及多语言政治话语分析的具体应用场景来展示该框架。本文为将多语言推理大语言模型负责任地集成到计算社会科学基础设施中提供了概念和方法论基础。
查看原文
查看缓存全文

缓存时间: 2026/06/02 15:38 

# 面向负责任且具有认知基础的多语言大语言模型，用于计算社会科学与人文学科
来源：https://arxiv.org/abs/2606.00596
文献工具

## 文献与引用工具

文献浏览器 切换

代码、数据、媒体

## 本文相关的代码、数据与媒体

演示

## 演示

相关论文

## 推荐与搜索工具

关于 arXivLabs

## arXivLabs：与社区合作者的实验项目

arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和共享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织都已接受并认可我们关于开放性、社区精神、卓越以及用户数据隐私的价值观。arXiv 致力于这些价值观，并且只与遵循这些价值观的合作伙伴合作。

有一个能为 arXiv 社区增添价值的项目想法？**了解更多关于 arXivLabs** (https://info.arxiv.org/labs/index.html)。

相似文章

Linguistic Monoculture in LLM-Assisted Language Use

arXiv cs.AI

This paper introduces a mathematical framework to study how reliance on shared LLMs for writing may reduce population-level linguistic diversity, analyzing fixed, recursive, and personalized interaction mechanisms and characterizing equilibria and convergence rates.

迈向超越英语中心化开发的大语言模型

arXiv cs.CL

本文证明了大语言模型严重偏向英语，并表明持续预训练在将模型适配到其他语言（尤其是文化理解方面）时，并不比从头训练更具成本优势。

多语言中数学推理的LLM参数：共享还是独立？

arXiv cs.CL

本文提出了一种跨语言的LLM数学推理机制分析，发现数学相关参数在不同语言之间存在部分重叠，主要集中于中间层。英语拥有最大规模的数学相关参数集，而低资源语言则拥有较小的参数集。