大语言模型中的文化对齐：基于霍夫斯泰德文化维度的解释性分析
计算机与社会
2024-05-09 v2 计算与语言
机器学习
摘要
大语言模型（LLMs）的部署引发了对其文化错位及对不同文化背景个体与社会潜在影响的担忧。尽管相关讨论主要聚焦于政治与社会偏见，我们的研究提出了一种文化对齐测试（Hoftede's CAT）以利用霍夫斯泰德文化维度框架量化文化对齐，该框架通过潜变量分析提供解释性跨文化比较。我们应用该方法定量评估 Llama 2、GPT-3.5 与 GPT-4 等 LLM 相对于美国、中国和阿拉伯国家等地区的文化维度，使用不同提示风格并探索语言特定微调对模型行为倾向与文化价值观的影响。我们的结果量化了 LLM 的文化对齐并揭示了各 LLM 在解释性文化维度上的差异。研究表明，尽管所有 LLM 都难以把握文化价值观，GPT-4 展现出适应文化细微差别的独特能力，尤其在中国语境中；但其在美国与阿拉伯文化上面临挑战。研究还强调，以不同语言微调 LLama 2 模型会改变其对文化问题的回应，凸显了 AI 为获得全球接受与伦理使用而需进行文化多元化开发的必要性。更多细节或欲贡献本研究，请访问我们的 GitHub 页面 https://github.com/reemim/Hofstedes_CAT/
引用
@article{arxiv.2309.12342,
title = {Cultural Alignment in Large Language Models: An Explanatory Analysis Based on Hofstede's Cultural Dimensions},
author = {Reem I. Masoud and Ziquan Liu and Martin Ferianc and Philip Treleaven and Miguel Rodrigues},
journal= {arXiv preprint arXiv:2309.12342},
year = {2024}
}
备注
31 pages