AlignCultura：面向文化对齐的大型语言模型
计算与语言
2026-04-22 v1
摘要
大型语言模型 LLM 的文化对齐对于生成富有情境意识、尊重且可信赖的输出至关重要。缺乏文化对齐可能导致模型生成刻板印象、不敏感或误导性的响应，无法体现文化多样性。现有基准仅为文化对齐的早期步骤，尚无基准能依据 UNESCO 文化多样性原则系统评估 LLM 在有用、无害、诚实 HHH 范式下的文化对齐。为此，我们构建 Align-Cultura 文化对齐管道。阶段 I 通过查询构造构建 CULTURAX 数据集，将 HHH-English 数据集置于 UNESCO 文化分类法框架下，包括重新分类提示词、扩展欠representative 领域（或标签），以及使用 SimHash 防止数据泄露。随后，响应生成通过两阶段拒绝抽样将提示词与文化依据响应配对。最终数据集包含 1500 个样本，覆盖 tangible 和 intangible 文化形式的 30 个子域。阶段 II 在通用模型、文化微调模型和开源 LLM（Qwen3-8B 与 DeepSeek-R1-Distill-Qwen-7B）上对 CULTURAX 进行基准测试。实证结果表明，文化微调模型在联合 HHH 上提升 4%-6%，降低文化失效 18%，实现 10%-12% 的效率提升，并将泄露限制在 0.3%。
引用
@article{arxiv.2604.19016,
title = {AlignCultura: Towards Culturally Aligned Large Language Models?},
author = {Gautam Siddharth Kashyap and Mark Dras and Usman Naseem},
journal= {arXiv preprint arXiv:2604.19016},
year = {2026}
}
备注
Accepted at ACL Mains 2026