标签
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。