标签
本文通过基于社区的评估，研究了AI生成的多模态故事在五个非洲社区中的文化契合度，发展了一种错位分类法，并评估了自动化评判的可靠性。
本文通过探究文化和语用推理，研究小型日英双语语言模型中的跨语言对齐，引入J-PragEval-v0基准，并提出用于推理时干预的Pragmatic Representation Steering方法。
本文使用世界价值观调查（World Values Survey）测试不同的提示框架（个性化、角色扮演、第三人称预测）在从大语言模型中获取文化价值观时是否可互换。结果显示，提示框架显著影响模型响应和测量的文化对齐程度，其中第三人称预测在方向性对齐上表现最强。
本文介绍了MSQA，这是一个包含1,064个原生来源问题的基准测试，覆盖11个语言组和5个文化维度，用于评估多语言大语言模型的文化知识。它揭示了一种系统性的“文化对齐幻觉”，即模型能够流利地输出多语言内容，但缺乏真正的文化理解。
本文介绍了'文化漏斗'概念，展示了LLM训练数据中的文化信号在后训练阶段急剧下降。作者发布了一个包含5.6M样本的标记数据集，以帮助在模型对齐中保留文化基础。
本文定义了文化多样性作为多代理系统的一个新评估维度，通过测量对世界价值观调查响应的成对差异。实验表明，当前模型缺乏人类社会的价值多样性，混合骨干可以提高对齐和多样性，但交互会减少多样性。
本文介绍BLADE，一个文化对齐的指令微调数据集，包含4,196个交互对，用于修复多语言孟加拉语生成中的敬语失误和语用差距。在此数据集上微调DeepSeek-8B和LLaMA-3.2-3B等模型，在结构保真度和敬语对齐方面取得了显著改进。
AlignCultura 推出基于 UNESCO 框架的 CulturaX 数据集与两阶段对齐流程，在 Qwen3-8B 与 DeepSeek-R1-Distill-Qwen-7B 上实现 HHH 指标提升 4–6%，文化失误率降低 18%。
C-Mining提出了一个无监督框架，通过利用嵌入空间中的跨语言几何错位来发现LLM训练数据中的文化种子，实现可扩展的合成数据生成以支持文化对齐，无需手动或LLM监督。
本文介绍了人类区域适应性，这是一种优化视觉语言模型以适应特定区域情境同时保持全局泛化能力的范式。作者提出了GG-EZ，一种利用区域数据过滤和模型合并的适应方法，在三种视觉语言架构上为东南亚地区展示了5-15%的文化相关性提升。