VIRAASAT：遍历印度文化推理的新路径
计算与语言
2026-02-23 v1 信息检索
摘要
大语言模型 (LLM) 在数学和编码等各类领域的推理任务上取得了显著进展。然而，在需要丰富社会文化知识和多样化本地语境的任务上表现下降，尤其是涉及印度文化的任务。现有文化基准（i）手动制作，（ii）包含测试事实记忆的单跳问题，且（iii）规模昂贵，导致这一缺陷基本未被测量。为此，我们引入 VIRAASAT，一种新颖的半自动方法，用于生成针对印度文化的文化特定多跳问答数据集。VIRAASAT 利用由超过 700 个专家精选文化遗产组成的知识图谱，覆盖印度文化的 13 个关键属性（历史、节日等）。VIRAASAT 涵盖全境 28 个州和 8 个联邦领地，产生超过 3200 个需要链式文化推理的多跳问题。我们在 VIRAASAT 上评估当前的 SOTA LLM，识别出推理中的关键局限性，即在链式思考 (CoT) 跟踪上进行微调无法为模型 grounding并合成低概率事实。为弥合这一差距，我们提出一种新框架，称为符号链操作 (SCoM)。采用链操作范式，我们训练模型内部模拟原子知识图谱操作。SCoM 教会模型可靠地遍历图的拓扑结构。监督式微调 (SFT) 实验表明，SCoM 在标准 CoT 基线上高出最高 20%。我们发布 VIRAASAT 数据集及我们的发现 findings，为构建具文化意识的推理模型奠定了坚实基础。
引用
@article{arxiv.2602.18429,
title = {VIRAASAT: Traversing Novel Paths for Indian Cultural Reasoning},
author = {Harshul Raj Surana and Arijit Maji and Aryan Vats and Akash Ghosh and Sriparna Saha and Amit Sheth},
journal= {arXiv preprint arXiv:2602.18429},
year = {2026}
}