SEADialogues：一个面向东南亚语言的多语言文化根基多轮对话数据集
SEADialogues: A Multilingual Culturally Grounded Multi-turn Dialogue Dataset on Southeast Asian Languages
AI总结：
针对现有闲聊数据集忽略文化细微差异的问题，研究推出SEADialogues，一个涵盖东南亚六国八种低资源语言、包含角色属性与文化话题的多轮对话数据集，以推动文化感知且以人为本的大型语言模型研究。
摘要：
尽管已有众多数据集支持对话系统，但大多数现有闲聊数据集忽略了自然人类对话中固有的文化细微差异。为弥补这一空白，我们推出了SEADialogues，一个以东南亚为中心的文化根基对话数据集，该地区拥有超过7亿人口和巨大的文化多样性。我们的数据集包含来自六个东南亚国家的八种语言对话，其中许多语言尽管拥有相当数量的使用者，却属于低资源语言。为增强文化相关性与个性化，每段对话均包含角色属性及两个反映各社区日常生活的文化根基话题。此外，我们发布了多轮对话数据集，以推动对具备文化感知且以人为本的大型语言模型（包括对话代理）的研究。
英文摘要：
Although numerous datasets have been developed to support dialogue systems, most existing chit-chat datasets overlook the cultural nuances inherent in natural human conversations. To address this gap, we introduce SEADialogues, a culturally grounded dialogue dataset centered on Southeast Asia, a region with over 700 million people and immense cultural diversity. Our dataset features dialogues in eight languages from six Southeast Asian countries, many of which are low-resource despite having sizable speaker populations. To enhance cultural relevance and personalization, each dialogue includes persona attributes and two culturally grounded topics that reflect everyday life in the respective communities. Furthermore, we release a multi-turn dialogue dataset to advance research on culturally aware and human-centric large language models, including conversational dialogue agents.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
