Fugu-MT 論文翻訳(概要): 'Too much alignment; not enough culture': Re-balancing cultural alignment practices in LLMs

論文の概要: 'Too much alignment; not enough culture': Re-balancing cultural alignment practices in LLMs

arxiv url: http://arxiv.org/abs/2509.26167v1
Date: Tue, 30 Sep 2025 12:22:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-01 14:45:00.130658
Title: 'Too much alignment; not enough culture': Re-balancing cultural alignment practices in LLMs
Title（参考訳）: 「十分なアライメント、不十分な文化」 LLMにおける文化アライメントの実践の再バランス
Authors: Eric J. W. Orlowski, Hakim Norhashim, Tristan Koh Ly Wey,
Abstract要約: 本稿では、AIアライメントプラクティスへの質的なアプローチの統合へのシフトを論じる。クリフォード・ゲールツ(Clifford Geertz)の"thick description"の概念からインスピレーションを得たAIシステムは、より深い文化的意味を反映したアウトプットを生成する必要がある。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: While cultural alignment has increasingly become a focal point within AI research, current approaches relying predominantly on quantitative benchmarks and simplistic proxies fail to capture the deeply nuanced and context-dependent nature of human cultures. Existing alignment practices typically reduce culture to static demographic categories or superficial cultural facts, thereby sidestepping critical questions about what it truly means to be culturally aligned. This paper argues for a fundamental shift towards integrating interpretive qualitative approaches drawn from social sciences into AI alignment practices, specifically in the context of Large Language Models (LLMs). Drawing inspiration from Clifford Geertz's concept of "thick description," we propose that AI systems must produce outputs that reflect deeper cultural meanings--what we term "thick outputs"-grounded firmly in user-provided context and intent. We outline three necessary conditions for successful cultural alignment: sufficiently scoped cultural representations, the capacity for nuanced outputs, and the anchoring of outputs in the cultural contexts implied within prompts. Finally, we call for cross-disciplinary collaboration and the adoption of qualitative, ethnographic evaluation methods as vital steps toward developing AI systems that are genuinely culturally sensitive, ethically responsible, and reflective of human complexity.
Abstract（参考訳）: 文化的なアライメントがAI研究の焦点となっている一方で、現在のアプローチは定量的なベンチマークと単純化されたプロキシに大きく依存しているが、人間の文化の深いニュアンスと文脈に依存した性質を捉えていない。既存のアライメントのプラクティスは、文化を静的な人口統計カテゴリーや表面的な文化的事実に還元する。本稿では,社会科学から引き出された解釈的質的アプローチをAIアライメントの実践,特にLarge Language Models(LLMs)の文脈に組み込むための根本的なシフトを論じる。 Clifford Geertz氏の"thick description"の概念からインスピレーションを得たAIシステムは、より深い文化的意味を反映したアウトプットを生成しなければならない、と提案する。文化的アライメントを成功させるために必要な3つの条件を概説する: 十分な範囲の文化的表現、ニュアンス的なアウトプットの能力、そしてプロンプト内で暗示される文化的文脈におけるアウトプットのアンカー化。最後に、真に文化的に敏感で倫理的に責任があり、人間の複雑さを反映するAIシステムを開発するための重要なステップとして、学際的な協力と質的なエスノグラフィー評価手法の採用を訴える。

論文の概要: 'Too much alignment; not enough culture': Re-balancing cultural alignment practices in LLMs

関連論文リスト