NativQA 框架：为大语言模型和视觉语言模型提供本土化、本地化及日常知识
计算与语言
2026-04-08 v3 人工智能
摘要
大型语言模型（LLM）的快速发展引发了关于文化偏见、公平性以及在多语言和欠发达地区性能表现的担忧。针对这些差距，需构建以多语言、本土化和文化语境为基础的大规模资源。我们对此前的 NativQA 框架进行系统化整合和扩展，加入图像、音频和视频支持，实现以本土语言构建文化和地域关联QA数据集的可扩展方法。该框架根据用户定义的种子查询，通过搜索引擎收集特定地点的日常信息。我们在39个地点（覆盖24个国家、7种语言）进行评估，涵盖极端欠资源到高资源的各种场景，收集了约30万文本问答对、约31.2万张图片以及约2.9万段视频及其关联音频。开发的资源可用于LLM基准测试和进一步微调。该框架已公开发布供社区使用（https://gitlab.com/nativqa/nativqa-framework）。演示视频链接：\href{https://shorturl.at/DAVn9}{https://shorturl.at/DAVn9}。
引用
@article{arxiv.2504.05995,
title = {NativQA Framework: Enabling LLMs and VLMs with Native, Local, and Everyday Knowledge},
author = {Firoj Alam and Md Arid Hasan and Sahinur Rahman Laskar and Mucahid Kutlu and Kareem Darwish and Shammur Absar Chowdhury},
journal= {arXiv preprint arXiv:2504.05995},
year = {2026}
}
备注
LLMs, Native, Multilingual, Language Diversity, Contextual Understanding, Minority Languages, Culturally Informed, Foundation Models, Large Language Models