从调查到叙事：重新思考大语言模型中的文化价值适应
计算与语言
2025-09-17 v2
摘要
在大型语言模型（LLM）中适应文化价值 presents 诸多挑战，尤其是由于偏见和有限的训练数据。先前的工作主要使用世界价值调查（WVS）数据将 LLM 对齐到不同的文化价值上。然而，如何有效捕捉文化细微差异或为各种下游任务产生不同的文化表征，仍不明确。本文系统性地调查了基于WVS的训练用于文化价值适应，发现仅依赖调查数据会同化文化规范，并干扰事实知识。为调查这些问题，我们将WVS与来自Wikipedia和NormAd的百科全书式和情景式文化叙事相补充。尽管这些叙事在下游任务上的效果可能各不相同，但它们始终优于仅使用调查数据的数据在文化区分性方面。我们的工作凸显了在以引导任务特定行为为目标的过程中，对齐文化价值的内在复杂性。我们将在https://github.com/faridlazuarda/from-surveys-to-narratives上发布代码。
引用
@article{arxiv.2505.16408,
title = {From Surveys to Narratives: Rethinking Cultural Value Adaptation in LLMs},
author = {Muhammad Farid Adilazuarda and Chen Cecilia Liu and Iryna Gurevych and Alham Fikri Aji},
journal= {arXiv preprint arXiv:2505.16408},
year = {2025}
}