NormGenesis：基于范例引导的社会规范建模与违规恢复的多文化对话生成

社会规范支配着交流中文化上适当的行为，使对话系统能够生成不仅连贯而且社会可接受的回复。我们提出了 NormGenesis，一个跨越英语、中文和韩语的多文化框架，用于生成和标注具有社会基础的对话。为了建模超越静态规范分类的社会互动动态，我们提出了一种新型对话类型——违规到解决（V2R），它通过识别和社会适当修复来建模规范违规后对话的推进过程。为了提高 underrepresented 语言的语用一致性，我们在对话生成过程的早期实施了基于范例的迭代精化。这种设计在完整对话生成开始之前引入了与语言、情感和社会文化期望的对齐。利用该框架，我们构建了一个包含 10,800 个多轮对话的数据集，在对话轮次层面标注了规范遵从、说话者意图和情感反应。人类和大语言模型评估表明，NormGenesis 在精化质量、对话自然度和泛化性能方面显著优于现有数据集。我们证明，在 V2R 增强数据上训练的模型在伦理敏感语境中展现出改善的语用能力。我们的工作为文化自适应对话建模建立了新基准，并为跨语言和跨文化多样化语言的规范感知生成提供了可扩展的方法论。