从国家课程到文化意识：构建开放性文化特定问答数据集
From National Curricula to Cultural Awareness: Constructing Open-Ended Culture-Specific Question Answering Dataset
AI总结：
本文提出CuCu框架，利用国家课程构建文化特定的开放性问答数据集KCaQA，以提升语言模型在文化对齐方面的表现。
摘要：
大型语言模型（LLMs）在许多任务上表现出色，但其在不同语言和文化中的进展不均，往往反映了英语中心化训练数据中隐含的价值观。为实现实际的文化对齐，我们提出了一种可扩展的方法，利用国家社会研究课程作为文化意识监督的基础。我们引入了CuCu，一个自动化多代理LLM框架，将国家教科书课程转化为开放性的、文化特定的问答对。将CuCu应用于韩国国家社会研究课程，我们构建了包含34100个开放性问答对的KCaQA数据集。我们的定量和定性分析表明，KCaQA涵盖了文化特定的主题，并产生了基于本地社会文化背景的响应。
英文摘要：
Large language models (LLMs) achieve strong performance on many tasks, but their progress remains uneven across languages and cultures, often reflecting values latent in English-centric training data. To enable practical cultural alignment, we propose a scalable approach that leverages national social studies curricula as a foundation for culture-aware supervision. We introduce CuCu, an automated multi-agent LLM framework that transforms national textbook curricula into open-ended, culture-specific question-answer pairs for supervised fine-tuning (SFT). Applying CuCu to the Korean national social studies curriculum, we construct KCaQA, comprising 34.1k open-ended QA pairs. Our analyses and training experiments suggest that KCaQA covers culture-specific topics and produces responses grounded in local sociocultural contexts.
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。
