SEADialogues：面向东南亚语言的多轮文化关联对话数据集
计算与语言
2025-08-12 v1 人工智能
摘要
尽管已开发出诸多数据集以支持对话系统，但大多数现有聊天数据集忽略了自然人类对话中所蕴含的文化细微差别。为弥合这一差距，我们介绍了SEADialogues——一个以东南亚为中心的文化关联对话数据集。该地区拥有超过7亿人口，文化多样性浩烚。数据集包含来自六个东南亚国家的八种语言对话，许多语言虽拥有庞大使用者群体，却处于资源匮乏状态。为提升文化相关性和个性化，每次对话均包含人物属性信息及两个反映各社区日常生活的文化关联话题。此外，我们发布的多轮对话数据集旨在推动基于文化感知和以人为本的大型语言模型研究，包括对话式智能体的开发。
引用
@article{arxiv.2508.07069,
title = {SEADialogues: A Multilingual Culturally Grounded Multi-turn Dialogue Dataset on Southeast Asian Languages},
author = {Muhammad Dehan Al Kautsar and Aswin Candra and Muhammad Alif Al Hakim and Maxalmina Satria Kahfi and Fajri Koto and Alham Fikri Aji and Peerat Limkonchotiwat and Ekapol Chuangsuwanich and Genta Indra Winata},
journal= {arXiv preprint arXiv:2508.07069},
year = {2025}
}
备注
Preprint