利用大语言模型探索道德判断中的文化差异
计算与语言
2026-03-31 v2 人工智能
摘要
大语言模型（LLMs）在许多任务上表现出色，但其捕捉文化多元道德价值观的能力仍不明确。本文考察 LLMs 是否反映了世界价值观调查（WVS）和皮尤研究中心全球态度调查（PEW）报告的道德态度差异。我们比较了较小的单语和多语种模型（GPT-2、OPT、BLOOMZ 和 Qwen）与近期的指令微调模型（GPT-4o、GPT-4o-mini、Gemma-2-9b-it 和 Llama-3.3-70B-Instruct）。基于对数概率的道德可辩护性（moral justifiability）分数，我们将每个模型的输出与涵盖广泛伦理主题的调查数据进行相关性分析。结果表明，许多早期或较小的模型往往产生接近零或负的相关性，而先进的指令微调模型实现了显著更高的正相关性，表明它们更好地反映了真实的道德态度。我们提供了详细的区域分析，揭示模型与西方、受教育、工业化、富裕和民主（W.E.I.R.D.）国家的一致性优于其他地区。虽然扩大模型规模和使用指令微调改善了与跨文化道德规范的一致性，但某些主题和地区仍存在挑战。我们将这些发现与偏差分析、训练数据多样性、信息检索影响以及提升 LLMs 文化敏感性的策略进行了讨论。
引用
@article{arxiv.2506.12433,
title = {Exploring Cultural Variations in Moral Judgments with Large Language Models},
author = {Hadi Mohammadi and Ayoub Bagheri},
journal= {arXiv preprint arXiv:2506.12433},
year = {2026}
}