大语言模型通过文化不均衡的基线感知城市
计算与语言
2026-05-27 v2 计算机与社会
摘要
大语言模型（LLM）越来越多地被用于描述、评估和解释地点，但它们是否从文化中立的立场出发进行这些活动仍不清楚。在此，我们使用一个平衡的全球街景样本以及保持中立或调用不同区域文化立场的提示，测试了前沿 LLM 的城市感知能力。在开放式描述和结构化地点判断中，中立条件在实践中被证明并非中立。与欧洲和北美相关的提示始终比许多非西方提示更接近基线，这表明模型感知是围绕一个文化不均衡的参考框架而非一个普适框架组织的。文化提示也改变了情感评估，为某些提示身份产生了基于情感的内群体偏好。与区域人类文本-图像基准的比较表明，文化上接近的提示可以改善与人类描述的对齐，但它并未恢复人类水平的语义多样性，并且通常保留了一种情感上高昂的风格。同样的不对称性也出现在对安全、美丽、财富、活力、无聊和抑郁的结构化判断中，其中模型输出是可解释的，但仅部分再现了人类群体差异。这些发现表明，LLM 并非简单地从无处感知城市：它们是通过一个文化不均衡的基线来感知的，这个基线塑造了什么是普通的、熟悉的和被积极评价的。
引用
@article{arxiv.2604.20048,
title = {Large Language Models Perceive Cities Through a Culturally Uneven Baseline},
author = {Rong Zhao and Wanqi Liu and Zhizhou Sha and Nanxi Su and Yecheng Zhang and Ying Long},
journal= {arXiv preprint arXiv:2604.20048},
year = {2026}
}