标签
CuBEs 提出一种文化情境化的 LLM 行为评估框架，通过在测试场景中注入文化语境并在 12 种文化上构建人工标注数据集，评估了 13 个开源与闭源模型，发现文化盲的评估会遗漏非西方特有的偏见轴向（如宗教与殖民议题）。