cultural-reasoning

本文提出利用文学解释作为设定来评估语言模型中的文化推理深度，强调解释深度和基于证据的基准，而非传统指标。

Wazobia Eval 是一个旨在评估AI模型在尼日利亚皮钦语情感理解、讽刺检测和文化推理方面的基准，旨在提升该语言的自然语言处理能力。

NARU 是一个评估日本超长视频中叙事演进和文化推理的基准，通过分层标注管道和母语者验证构建，以解决当前基准的空白。

ADAGE 是一种语言无关的流水线，用于构建具有挑战性且无需翻译的抽象类比推理基准。它揭示了模型在阿拉伯语、阿姆哈拉语和日语中普遍存在的文化推理差距。