BengaliMoralBench：面向孟加拉语言与文化的大型语言模型道德推理基准
计算与语言
2026-04-21 v2
摘要
随着多语言大型语言模型（LLM）在南亚地区的流行，其与本土伦理规范的一致性尤其是针对孟加拉语（全球约有2.85亿人使用，全球使用人数最多的语言之一）的对齐，仍未得到充分探索。现有的伦理基准主要以英语为中心，受制于西方道德框架，忽视了至关重要的文化细微差别，难以在实际部署中发挥作用。为填补这一空白，我们引入 BengaliMoralBench，这是一个为孟加拉语和社会文化语境设计的大规模伦理基准。我们的基准涵盖五个道德领域：（1）日常活动，（2）习惯，（3）育儿，（4）家庭关系，和（5）宗教活动，每个子领域细分为十个具有文化内涵的类别，共计 50 个子主题。每个情景都通过本土语言使用者的共识在三个伦理视角下进行标注：德性伦理、常识伦理和正义伦理。我们在统一的提示协议下，对开源和闭源模型进行系统的零样本评估，包括最新的 Llama 和 Gemma 变体、Qwen 和 DeepSeek 模型， frontier 模型（GPT-4o-mini 和 Gemini 1.5 Pro），以及一个大型多语言基线（Qwen3-Next-80B）。结果显示在不同视角和子领域中的表现存在显著差异，我们的定性分析揭示了在文化定位、常识推理和道德公平性方面存在持久的弱点。这些发现暴露了当前 LLM 在非西方环境中的关键局限，凸显了需要文化嵌入的评估的重要性。BengaliMoralBench 为负责任地本地化和基准测试提供了基础，支持在文化多样化、资源匮乏的市场（如孟加拉国）中部署语言技术。
引用
@article{arxiv.2511.03180,
title = {BengaliMoralBench: A Benchmark for Auditing Moral Reasoning in Large Language Models within Bengali Language and Culture},
author = {Shahriyar Zaman Ridoy and Azmine Toushik Wasi and Koushik Ahamed Tonmoy and Taki Hasan Rafi and Dong-Kyu Chae},
journal= {arXiv preprint arXiv:2511.03180},
year = {2026}
}
备注
Accepted at ACM FAccT 2026