促进公平的人工智能：评估拉美语境下大语言模型的文化表达能力
社会与信息网络
2025-11-07 v1 人工智能
摘要
人工智能（AI）系统常常反映出经济发达地区的偏见，因而在经济发展地区如拉美的语境中被边缘化，这源于数据不平衡。本文检验了 AI 系统对多样化拉美语境的表示，揭示了经济发达地区与发展地区数据之间的差异。我们指出，英语相对于西班牙语、葡萄牙语以及如奎查亚（Quechua）和纳瓦特尔语（Nahuatl）等土著语言的主导地位，延续了以西方为中心的视角，忽视了拉美的独特视角。为此，我们引入了一个根植于拉美历史和社会政治语境中的文化感知数据集，以挑战以欧洲中心为主的模型。我们对六个语言模型进行评估，这些模型针对测试文化语境理解能力的提问进行响应，采用新颖的文化表达度量指标、统计检验和语言分析。我们的发现表明，部分模型更能捕捉拉美的视角，而另一些模型则在情感倾向上存在显著不一致（p < 0.001）。使用我们的数据集对 Mistral-7B 进行微调，可提升其文化表达能力 42.9%，推动公平人工智能的发展。我们主张通过优先选择反映拉美历史、土著知识和多语言环境的数据集来实现公平的人工智能，同时强调以社区为中心的方法，以放大被边缘化的声音。
引用
@article{arxiv.2511.04090,
title = {Advancing Equitable AI: Evaluating Cultural Expressiveness in LLMs for Latin American Contexts},
author = {Brigitte A. Mora-Reyes and Jennifer A. Drewyor and Abel A. Reyes-Angulo},
journal= {arXiv preprint arXiv:2511.04090},
year = {2025}
}