From Metaphor to Mechanism: How LLMs Decode Traditional Chinese Medicine Symbolic Language for Modern Clinical Relevance
The University of Tokyo（东京大学）；Faculty of Information and Communication Technology, Universiti Tunku Abdul Rahman（拉曼大学信息与通信技术学院）
本文提出一种结合多智能体与思维链（CoT）的框架，利用TCM Expert、WM Expert与Coordinator Agent协同推理，将中医隐喻术语映射为西医病理生理学概念，以支持临床决策与跨医学体系研究。
2025-03-04 cs.CL
Cultural Bias Matters: A Cross-Cultural Benchmark Dataset and Sentiment-Enriched Model for Understanding Multimodal Metaphors
Dalian University of Technology（大连理工大学）；RMIT University（皇家墨尔本理工大学）；The University of Adelaide（阿德莱德大学）
针对多模态隐喻研究中的英语文化偏见，本文构建含8,461对图文广告的中英跨文化数据集MultiMM，并提出融合情感嵌入的SEMD基线模型。
2025-06-08 cs.CL
CAMMAR: Culture-Aware Matryoshka for Metaphorical Arabic Representations
Autonomous University of Madrid (UAM)（马德里自治大学）；IE University（IE大学）；Oviedo University（奥维耶多大学）
研究针对阿拉伯语语言模型语义模糊问题，提出CAMMAR框架，通过分阶段语义课程组织意义到嵌套子空间，基于词汇与隐喻表示距离产生隐喻性几何度量，在新数据集上评估，有监督时检测隐喻效果好，还发现基于形态学词根有提升。
2026-07-20 cs.AI cs.CL
Auditing LLM-Governed Social Robots with Culture-Specific Moral Gradients
针对LLM驱动社交机器人在跨文化场景中优先分配资源时的道德偏差，提出基于梯度的多语言审计框架，通过对称控制场景测试模型对文化偏好梯度的区分能力，发现提示工程无法可靠纠正的持续性不对称问题。
2026-06-02 cs.AI cs.CL cs.CY
When the Judge Acts: Auditing VLM-Guided Image Selection on Culturally Situated Prompts
本研究审计VLM裁判在文化情境提示下选择图像的行为，发现4B裁判存在严重位置偏差且弱于CLIP基线，而8B裁判表现更优；跨顺序一致性仅对前者有效，强调裁判更换时需重新审计过滤器。
2026-10-02 cs.AI cs.CV cs.CY
Who Brought Easter Eggs to Eid? Auditing LLM-Generated Cultural Translation of Math Word Problems Across Languages and Regions
University of California, Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
本研究审计了三个大型语言模型将60个英语数学应用题翻译为7种语言时的文化适应性，发现模型在62.5%的案例中一致，但仅33.5%有相同替换，且所有组合均出现熵塌缩，优先改变表面标记而保留深层结构，导致文化多样性压缩和区域误归因。
2026-10-08 cs.CL cs.CY
Prompt Programming for Cultural Bias and Alignment of Large Language Models
Information Systems and Modeling, Los Alamos National Laboratory（信息系统与建模，洛斯阿拉莫斯国家实验室）；Advanced Research in Cyber Systems, Los Alamos National Laboratory（网络安全系统高级研究，洛斯阿拉莫斯国家实验室）；Center for National Security and International Studies（国家安全与国际研究中心）；Analytics Division, Los Alamos National Laboratory（分析部门，洛斯阿拉莫斯国家实验室）
本文提出通过提示编程优化大型语言模型的文化对齐，利用DSPy框架系统调整治文化偏差，实验表明提示优化优于传统手动提示工程，提升模型响应的可转移性与稳定性。
2026-07-23 cs.AI cs.CL
When AI Speaks, Whose Values Does It Express? A Cross-Cultural Audit of Individualism-Collectivism Bias in Large Language Models
Independent Researcher（独立研究者）
研究探讨了大型语言模型在不同文化背景下对个体主义与集体主义偏见的跨文化表现，发现AI系统倾向于提供西方个体主义建议，即使面对强调家庭和社区的文化，且日本例外，揭示AI编码了过时的刻板印象。
2026-04-24 cs.AI cs.CL cs.CY
BengaliMoralBench: A Benchmark for Auditing Moral Reasoning in Large Language Models within Bengali Language and Culture
North South University（北南大学）；Computational Intelligence and Operations Laboratory（计算智能与运营实验室）；Hanyang University（翰林大学）
本文提出BengaliMoralBench，一个针对孟加拉语和文化背景的道德推理评估基准，涵盖五个道德领域，通过三种伦理框架进行标注，评估不同模型的性能差异及文化适应性问题。
2026-04-18 cs.CL
Toward Inclusive Educational AI: Auditing Frontier LLMs through a Multiplexity Lens
Information Technology University（信息技术大学）；Zayed University（扎耶德大学）；Qatar University（卡塔尔大学）
本文针对教育场景中前沿 LLM 的 WEIRD 文化偏见，提出多元性审计框架，并比较系统提示嵌入与多智能体协商两种缓解策略，证明 MAS 可将 PDS 熵由 3.25% 提升至 98%。
2025-01-02 cs.AI cs.CL cs.CY
Between Myths and Metaphors: Rethinking LLMs for SRH in Conservative Contexts
Lahore University of Management Sciences（拉合尔管理科学大学）
本文研究保守语境下性与生殖健康沟通的间接语言对LLM的挑战，在巴基斯坦开展两阶段研究，分析医患沟通数据并评估五种LLM，发现其在语义漂移和一词多义上表现不佳，并提出了分类框架与设计建议。
2025-10-31 cs.AI cs.CY cs.HC
Cultural Divergence Preservation: Diagnosing Flattening and Caricature in LLM-Simulated Survey Populations
Yonsei University（延世大学）；NAVER；Seoul National University Hospital（首尔大学医院）
针对LLM模拟跨文化调查中传统保真度指标无法捕捉跨国差异的问题，提出文化差异保持（CDP）诊断方法，通过受控实验验证其单调性，并揭示DeepPersona提示虽保真度高却导致最强文化扁平化。
2026-09-25 cs.AI cs.CL
Sima AIunty: Caste Audit in LLM-Driven Matchmaking
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
研究通过实世界婚姻资料审计LLM在匹配中的阶级偏见，发现同阶级匹配评分更高，揭示现有阶级体系在AI决策中的再现，需制定文化导向的评估与干预策略。
2026-03-31 cs.AI cs.CL cs.CY
Cultural Adaptation in Large Language Models for Political Discourse
Northwestern University in Qatar（卡塔尔西北大学）
本文探讨大型语言模型在政治话语分析中的文化适应问题，提出通过翻译、话语和本体层面的形式化框架及评估矩阵，确保跨文化部署的可靠性和民主安全性。
2026-05-22 cs.CL
BanglaMemeX: Advancing Cultural Metaphoric Image Interpretation in Bangla with a Multimodal Explainable Dataset
University of Dhaka（达卡大学）；University of Texas at Dallas（德克萨斯大学达拉斯分校）
本文提出BanglaMemeX，一个含3000个孟加拉语模因的文化多模态基准，标注多维标签和人工解释，评估现代视觉语言模型，发现其难以解读隐性文化线索，强调需文化感知系统。
2026-09-09 cs.CL cs.CV
Not What, But How: A Framework for Auditing LLM Responses across Positioning, Generalization, Anthropomorphism, and Maxims
University of Copenhagen（哥本哈根大学）；KAIST（韩国科学技术院）
提出 FRANZ 框架，从文化定位、概括性语言、拟人化线索和对话准则遵守四个维度审计 LLM 对主观问题的响应框架，并构建 SQUARE 语料库进行实证分析。
2026-06-16 cs.CL
AI-assisted cultural heritage dissemination: Comparing NMT and glossary-augmented LLM translation in rock art documents
Dublin City University（都柏林城市大学）；CTTS（文化传承研究所）；ADAPT Centre（适应中心）；SALIS；Universidad de Almería（阿尔梅里亚大学）
本文比较了NMT和术语增强大语言模型在岩画文档翻译中的表现，发现术语增强方法在术语准确性上更优，且在保持整体质量方面表现良好。
2026-05-14 cs.AI cs.CL
The Paradox of Poetic Intent in Back-Translation: Evaluating the Quality of Large Language Models in Chinese Translation
Computer Science Department University of Brasilia（布拉兹利亚大学计算机科学系）；Math Department Federal Institute of Brasilia（布拉兹利亚联邦学院数学系）
本研究构建多样化语料库，利用BT-Fried评估系统对比大语言模型与传统翻译工具在中英翻译中的表现，揭示了“诗意意图悖论”并提出改进的BLEU变体，推进了对AI翻译文化保真度的理解。
2025-04-28 cs.CL
DRT: Deep Reasoning Translation via Long Chain-of-Thought
Pattern Recognition Center, WeChat AI, Tencent Inc（模式识别中心、微信AI、腾讯公司）
本文针对文学文本中明喻隐喻因文化差异难翻译的问题，提出DRT模型，通过挖掘相关句子构建多智能体长思维翻译框架并生成训练数据，以Qwen2.5和LLama-3.1为骨干，性能优于普通及仅配对句微调的LLMs。
2025-08-24 cs.AI cs.CL
A Tale of Two Identities: An Ethical Audit of Human and AI-Crafted Personas
Pennsylvania State University（宾夕法尼亚州立大学）
本文审计GPT4o、Gemini 1.5 Pro与Deepseek 2.5生成的1512个角色画像，揭示其对种族身份的过度凸显和叙事简化造成算法他者化，并提出评估与验证建议。
2025-05-07 cs.AI cs.CL cs.CY
When Meaning Isn't Literal: Exploring Idiomatic Meaning Across Languages and Modalities
Indian Institute of Technology Patna（印度理工学院巴特那分校）；King Mongkut's Institute of Technology Ladkrabang（国王科技大学拉卡邦分校）
本文提出Mediom多语言多模态隐喻语料库及HIDE框架，通过系统性测试揭示语言模型在隐喻理解上的缺陷，并为下一代AI系统提供文化根基的隐喻理解方法。
2026-04-12 cs.CL
Cross-cultural value alignment frameworks for responsible AI governance: Evidence from China-West comparative analysis
Wuhan University of Science and Technology（武汉理工大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））；University of Copenhagen（哥本哈根大学）；WUST-Madrid Complutense Institute（武汉理工大学-马德里康普顿斯研究所）
本研究提出多层审计平台，评估中西方LLM跨文化价值观对齐，发现中国模型在多语言优化上更优，而西方模型存在美国偏见，Mistral系列在跨文化对齐上表现突出。
2025-11-21 cs.CL cs.CY
On Bob Dylan: A Computational Perspective
Imperial College London（伦敦帝国学院）
本文利用o3-mini-high构建迪伦歌词的有向知识图谱，量化其情感、隐喻、主题多样性与网络复杂性，实证验证其“去习惯化”风格，并提出分析艺术家演变的新计算方法。
2025-02-03 cs.AI cs.CL cs.IR
Framing Political Bias in Multilingual LLMs Across Pakistani Languages
School of Computing, Macquarie University（计算机学院，麦考瑞大学）
研究评估了巴基斯坦五种语言中13种先进LLM的政治偏见，发现其在区域语言中表现出更集权的框架，强调文化适应的偏见审计框架的重要性。
2026-01-30 cs.AI cs.CL
Political Alignment in Large Language Models: A Multidimensional Audit of Psychometric Identity and Behavioral Bias
Systems and Software Lab (SSL) Department of Computer Science and Engineering（系统与软件实验室（SSL）计算机科学与工程系）
研究通过多维心理测量工具审计26个大语言模型，发现模型在政治倾向上聚类于自由主义左 quadrant，且模型身份解释了大部分变异性，但心理测量意识形态未显著预测分类误差。
2026-03-17 cs.AI cs.CL cs.CY
Evaluating Large Language Models on Urdu Idioms
Technical University Dortmund（多特蒙德工业大学）；Research Center Trustworthy Data Science and Security（可信数据科学与安全研究中心）
本研究构建含4000组双语习语对的乌尔都语跨文字习语评估基准，采用多种提示策略评估前沿LLMs，发现其在习语处理上优于传统NMT，凸显提示工程的重要性。
2026-09-04 cs.CL
Mind the Gap: Pitfalls of LLM Alignment with Asian Public Opinion
本文研究了LLM在多语言多文化环境中的对齐问题，发现其在宗教观点尤其是少数群体方面存在偏差，提出轻量干预无法消除文化鸿沟，强调需系统性地区审计确保公平部署。
2026-03-23 cs.CL cs.CY
Crossing Borders: A Multimodal Challenge for Indian Poetry Translation and Image Generation
Indian Institute of Technology Patna（印度理工学院巴特那分校）；Adobe Research（Adobe 研究院）
针对印度语言诗歌翻译与理解资源匮乏的问题，本文提出融合LLM与潜在扩散模型的TAI多模态框架，构建MorphoVerse数据集，实验验证其图像生成性能优于基线，可提升印度诗歌全球可及性。
2025-11-18 cs.CL cs.CV
Fann or Flop: A Multigenre, Multiera Benchmark for Arabic Poetry Understanding in LLMs
Mohamed bin Zayed University of AI（Mohamed bin Zayed人工智能大学）；Australian National University（澳大利亚国立大学）；Aalto University（艾尔沃斯大学）
提出首个多时代、多体裁的阿拉伯诗歌理解基准Fann or Flop，评估LLMs在12个历史时代、14种体裁下的语义、隐喻、韵律和文化理解，发现现有模型表现不佳，并开源资源以推动进步。
2025-05-26 cs.CL
Puzzled by Puzzles: When Vision-Language Models Can't Take a Hint
POSTECH；University of California, Berkeley（加州大学伯克利分校）
本文通过构建手工标注的英语画谜基准，评估了当代视觉语言模型在多模态抽象与符号推理上的能力，发现其虽能解码简单视觉线索，但在抽象推理与视觉隐喻理解上仍存在显著困难。
2025-09-16 cs.AI cs.CL cs.CV
Existential Conversations with Large Language Models: Content, Community, and Culture
Imperial College London（帝国理工学院）；University of Zurich（苏黎世大学）
本文分析两段与大语言模型的存在性长对话，追溯其意象与概念来源，关联当代线上文化社群，并探讨此类互动对社会的影响。
2024-11-20 cs.AI cs.CY cs.LG
Which Institutional Frameworks Do Chatbots Assume? Auditing Jurisdictional Defaults in Multilingual LLMs
University of California, Berkeley（加州大学伯克利分校）
研究多语言大语言模型在未指定司法管辖区时，是否将输入语言作为默认司法信号，通过审计7个模型在60个提示上的2520个响应，发现中文输入更常产生中国特定答案，英文输入更常产生美国特定答案，揭示了制度框架误选风险。
2026-05-29 cs.CL
Generating the Modal Worker: A Cross-Model Audit of Race and Gender in LLM-Generated Personas Across 41 Occupations
Human-Computer Interaction Lab, Computer Science and Engineering（人机交互实验室，计算机科学与工程）；Santa Clara University（圣克拉拉大学）
本研究审计了四个大型语言模型生成的150多万个职业人设，通过与BLS数据对比，发现模型压缩了人口统计变异，系统性地扭曲了种族和性别代表性。
2026-06-01 cs.AI cs.CY cs.HC
An evaluation of LLMs and Google Translate for translation of selected Indian languages via sentiment and semantic analyses
Transitional Artificial Intelligence Research Group, School of Mathematics and Statistics, UNSW Sydney（过渡人工智能研究组，数学与统计学学院，UNSW悉尼）；Department of Civil Engineering, National Institute of Technology, Rourkela, India（土木工程系，印度国家理工学院，拉尔凯拉）；Centre for Artificial Intelligence and Innovation, Pingla Institute, Sydney, Australia（人工智能与创新中心，Pingla研究所，悉尼，澳大利亚）
本研究通过情感与语义分析评估LLM和谷歌翻译对梵语、泰卢固语、印地语文本的翻译质量，发现GPT模型在保持情感极性和语义方面优于谷歌翻译，但在隐喻和哲学语境中仍存在挑战。
2025-07-01 cs.AI cs.CL
Friend or Foe? Language as an ideological switch in open-weight LLMs under Russian disinformation stress
Institute of Culture Studies, University of Silesia in Katowice（文化研究学院，卡托维察大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；National Aviation University（国家航空大学）
本文通过控制实验发现，针对不同语言社区微调的大语言模型在俄罗斯虚假信息压力下，其抵抗能力与预期文化对齐方向相反，揭示了微调悖论。
2026-06-07 cs.CL cs.CY
Survey in Characterizing Semantic Change
FSTM - University of Luxembourg（卢森堡大学FSTM分校）；Luxembourg Institute of Science and Technology（卢森堡科学技术研究院）
本文综述了语义变化的特征化方法，探讨了语义变化的三种分类：维度变化、方向变化和关系变化，并总结了现有研究的进展与未来方向。
2026-04-27 cs.AI cs.CL
FineWeb-CLaR: Culture, Language, and Region Annotations for Benchmark-Aligned Corpus Auditing
Saarland University（萨尔兰大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；Barcelona Supercomputing Center (BSC-CNS)（巴塞罗那超级计算中心）
本文提出FineWeb-CLaR，一个基于FineWeb的大规模文化-语言-地区标注数据集，用于审计预训练语料与文化基准的对齐，支持文化现象覆盖范围的直接比较。
2026-09-23 cs.CL
Recalibrating the Compass: Integrating Large Language Models into Classical Research Methods
Department of Communication（通讯系）；Michigan State University（密歇根州立大学）
本文探讨大语言模型如何变革传播与社会科学中的内容分析、调查与实验方法，并基于拉斯韦尔框架论证经典研究逻辑在整合LLMs时仍不可或缺，强调其作为认知与文化工具的潜力。
2025-05-26 cs.AI cs.CY
DiverValue-Bench: A Benchmark and Fine-Tuning Framework for Aligning Large Language Models with Diverse Human Values
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Renmin University of China（中国人民大学）；Beijing Institute of AI Safety and Governance（北京人工智能安全与治理研究院）；University of Chinese Academy of Sciences（中国科学院大学）
该研究推出覆盖74个国家/地区的人群感知基准DiverValue-Bench，发现现有LLMs存在地理与人口统计学价值观对齐差异，结合LoRA与DPO的轻量微调可提升对齐效果，为全球公平AI开发提供实用基础。
2026-08-21 cs.AI cs.CL
Exploratory As-Analyzed No-Detection of Culturally-Marked Predicate-Triggered PII Amplification in a Synthetic-English RAG Probe: A Predicate-Resource-Confounded Audit
Northeastern University（东北大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Southern Methodist University（南卫理公会大学）
该研究通过对四种文化的合成英语PII语料库开展RAG系统审计，发现无刻板印象驱动的PII放大，因样本效力及探针混淆问题，仅报告无检测结果而非无效应证据。
2026-08-24 cs.CL cs.CY cs.LG
GPT and Prejudice: A Sparse Approach to Understanding Learned Representations in Large Language Models
HTW Berlin University of Applied Sciences（柏林应用科学大学）
针对大语言模型偏见溯源难的问题，提出结合LLM与稀疏自编码器的流水线，通过小说语料训练的GPT风格模型验证，该方法可追踪训练中主题编码过程，为审计模型表征中的文化假设提供可扩展框架。
2025-11-13 cs.AI cs.CL cs.LG
AraDynFact: Dynamic Evaluation of Factual Knowledge in Arabic
Elm Company（Elm公司）
针对阿拉伯语事实知识评估不足的问题，提出动态评估框架AraDynFact，自动提取事实并生成问题，应用于阿拉伯语维基百科，验证了其与现有基准的高度相关性。
2026-09-29 cs.CL
Mechanistic Interpretability with SAEs: Probing Religion, Violence, and Geography in Large Language Models
HTW Berlin University of Applied Sciences（柏林应用科学大学）
本文利用稀疏自编码器对五种大语言模型进行机制可解释性分析，发现各宗教内部表征一致性相近，但伊斯兰教更易关联暴力语言特征，而地理关联主要反映真实宗教人口分布，揭示了模型同时嵌入事实与文化刻板印象。
2025-09-22 cs.AI cs.CY cs.LG
Validating FKG.in: Soundness Assessment in LLM-Augmented Indian Food Knowledge
Ashoka University（阿肖克大学）；Mphasis AI and Applied Tech Lab（美斐西斯人工智能与应用技术实验室）；Koita Centre for Digital Health, Ashoka University（阿肖克大学科伊塔数字健康中心）；Institute for Future Health, UC Irvine（加州大学欧文分校未来健康研究所）
本研究针对LLM生成食谱存在的问题，提出半自动化评估框架，验证LLM增强的印度食品知识图谱FKG.in的合理性，该框架可推广至多语言多元文化烹饪领域，为食品知识基础设施提供支撑。
2026-09-02 cs.AI cs.CL cs.IR
Who's Asking? Investigating Bias Through the Lens of Disability Framed Queries in LLMs
Birla Institute of Technology and Science (BITS)（巴拉·技术与科学学院）
该研究首次系统性审计8款不同规模指令微调LLM的残障相关人口统计偏见，发现模型易无依据推断人口属性、残障语境会放大偏见且大模型偏见更显著，提出用弃权校准和反事实微调缓解该问题。
2025-10-22 cs.AI cs.CL cs.CY
Investigating the Influence of Language on Sycophantic Behavior of Multilingual LLMs
King Fahd University of Petroleum and Minerals（法赫德国王石油矿产大学）；SDAIA-KFUPM Joint Research Center for AI (JRCAI)（SDAIA-KFUPM人工智能联合研究中心）
研究通过评估三种先进模型在五种语言下的回应，发现尽管新模型趋炎附势倾向降低，但语言仍显著影响其行为，揭示了文化与语言模式。
2026-03-29 cs.CL
The Realignment Problem: When Right becomes Wrong in LLMs
Birla AI Labs（比拉人工智能实验室）；TCS Research（塔塔咨询服务研究）；Kalinga Institute of Industrial Technology, Bhubaneswar（比拉工业技术学院，巴布尔萨瓦尔）
本文提出TRACE框架，通过结构化优化解决LLM在动态标注政策下的重排问题，无需新标注即可提升对齐效果。
2026-05-11 cs.CL
Calibrated to Whom? Persona and Language Effects on Cultural Values in JEV
Alfaisal University（阿尔费萨尔大学）
本研究审计了仅决策语言模型JEV的文化价值观，发现其答案高度可重复，沙特人物角色在英语中重现87%的人类文化差异但阿拉伯语中仅62%，且语言影响大于人物角色描述，年龄和性别也有显著影响。
2026-10-06 cs.AI cs.CL
How Deep Is Representational Bias in LLMs? The Cases of Caste and Religion
本研究系统审计GPT-4 Turbo，发现其在宗教和种姓表征上存在深层且粘性的偏差，过度代表文化主导群体，提示干预效果有限，表明仅多样化训练数据不足以纠正偏差。
2025-07-22 cs.CL
Let Androids Dream of Electric Sheep: A Human-Inspired Image Implication Understanding and Reasoning Framework
Shanghai AI Laboratory（上海人工智能实验室）；Huazhong University of Science and Technology（华中科技大学）；The Chinese University of Hong Kong（香港中文大学）
本研究提出LAD框架，通过三阶段方法解决图像隐喻理解问题，在多个基准测试中取得优异成绩，推动视觉语言推理和人机交互发展。
2025-12-23 cs.AI cs.CV cs.CY
GAIA-v2-LILT: Multilingual Adaptation of Agent Benchmark beyond Translation
LILT
本文提出GAIA-v2-LILT，通过功能对齐、文化对齐和难度校准改进多语言代理基准，实验表明其性能提升达32.7%，接近英语表现，但仍有较大差距，揭示了多语言性能差距主要由基准测量误差引起。
2026-04-27 cs.AI cs.CL
WattCouncil: Context-Aware Household Energy Scenario Generation With Governed LLMs
Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
针对智能电网因数据受限发展受阻的问题，提出瓦特委员会框架，利用基于大语言模型的代理，在文化、时间和物理等约束下生成家庭能源情景，经实验评估及消融研究验证了其有效性和一致性。
2026-07-14 cs.AI cs.LG cs.MA
Cross-Cultural Expert-Level Art Critique Evaluation with Vision-Language Models
DJCAD, University of Dundee, United Kingdom（邓迪大学DJCAD研究中心，英国）；Hebei Academy of Fine Art, China（河北美术院，中国）；Computer Science, Nanjing University, China（南京大学计算机科学系，中国）；Department of Mechanical Engineering, School of Engineering, University of Birmingham（伯明翰大学工程学院机械工程系）
本文提出了一种跨文化评估框架，用于评估视觉-语言模型在艺术批评中的文化理解能力，揭示了自动化指标与专家评分的差异及文化敏感性问题。
2026-02-24 cs.CL
Characterizing Bias: Benchmarking Large Language Models in Simplified versus Traditional Chinese
University of Rochester（罗切斯特大学）；Cornell University（康奈尔大学）
研究设计地区用词和姓名选择两个基准任务，审查11个LLM在简繁中文下的性能差异，发现偏见源于训练数据、字符偏好和分词，并开源数据集促进未来评估。
2025-05-28 cs.CL cs.CY
