論文の概要: Metaphors We Compute By: A Computational Audit of Cultural Translation vs. Thinking in LLMs

• arxiv url: http://arxiv.org/abs/2604.04732v1
• Date: Mon, 06 Apr 2026 15:00:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.235219
• Title: Metaphors We Compute By: A Computational Audit of Cultural Translation vs. Thinking in LLMs
• Title（参考訳）: メタファーが計算する: LLMにおける文化翻訳と思考の計算監査
• Authors: Yuan Chang, Jiaming Qu, Zhu Li,
• Abstract要約: 大規模言語モデル(LLM)は、多くの言語で理解し、応答できるため、多言語として記述されることが多い。 本稿では,創造的な文章作成作業における文化的傾きの予備的な計算監査について述べる。
• 参考スコア（独自算出の注目度）: 15.854854496840074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are often described as multilingual because they can understand and respond in many languages. However, speaking a language is not the same as reasoning within a culture. This distinction motivates a critical question: do LLMs truly conduct culture-aware reasoning? This paper presents a preliminary computational audit of cultural inclusivity in a creative writing task. We empirically examine whether LLMs act as culturally diverse creative partners or merely as cultural translators that leverage a dominant conceptual framework with localized expressions. Using a metaphor generation task spanning five cultural settings and several abstract concepts as a case study, we find that the model exhibits stereotyped metaphor usage for certain settings, as well as Western defaultism. These findings suggest that merely prompting an LLM with a cultural identity does not guarantee culturally grounded reasoning.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、多くの言語で理解し、応答できるため、多言語として記述されることが多い。 しかし、言語を話すことは文化の中で推論するのと同じではない。 LLMは本当に文化を意識した推論を行いますか? 本稿では,創造的な文章作成作業における文化的傾きの予備的な計算監査について述べる。 LLMが文化的に多様な創造的パートナーとして振る舞うのか、それとも局所的な表現で支配的な概念的枠組みを活用する文化翻訳者として振る舞うのかを実証的に検討する。 5つの文化的設定といくつかの抽象概念にまたがるメタファー生成タスクをケーススタディとして用いて、特定の設定に対するステレオタイプメタファーの使用法と西洋のデフォルト主義を示す。 これらの結果から, LLMを文化的同一性で推進するだけでは, 文化的根拠に基づく推論が保証されないことが示唆された。

関連論文リスト

• LLMs as Cultural Archives: Cultural Commonsense Knowledge Graph Extraction [57.23766971626989]
  大規模言語モデル(LLM)は、多様なWebスケールデータから学んだ豊富な文化的知識を符号化する。 文化常識知識グラフ(CCKG)構築のための反復的,即時的枠組みを提案する。 対象文化が英語ではない場合でも、文化知識グラフは英語でよりよく認識されている。
  論文  参考訳（メタデータ） (2026-01-25T20:05:04Z)
• Do Large Language Models Truly Understand Cross-cultural Differences? [53.481048019144644]
  我々は,大規模言語モデルの異文化間理解と推論を評価するシナリオベースのベンチマークを開発した。 文化理論を基礎として、異文化の能力を9次元に分類する。 データセットは連続的な拡張をサポートし、実験は他の言語への転送可能性を確認する。
  論文  参考訳（メタデータ） (2025-12-08T01:21:58Z)
• CultureScope: A Dimensional Lens for Probing Cultural Understanding in LLMs [57.653830744706305]
  CultureScopeは、大規模な言語モデルにおける文化的理解を評価するための、これまでで最も包括的な評価フレームワークである。 文化的な氷山理論に触発されて、文化知識分類のための新しい次元スキーマを設計する。 実験結果から,文化的理解を効果的に評価できることが示唆された。
  論文  参考訳（メタデータ） (2025-09-19T17:47:48Z)
• Designing LLMs for cultural sensitivity: Evidence from English-Japanese translation [31.55428098109144]
  大規模言語モデル(LLM)は、日常的なコミュニケーションにますます利用されている。 我々は,職場電子メールの日英翻訳に適用された異なるLLMデザインの文化的感受性について分析した。 文化的に調整されたプロンプトは、文化的適合性を向上させることができる。
  論文  参考訳（メタデータ） (2025-09-15T13:37:35Z)
• Entangled in Representations: Mechanistic Investigation of Cultural Biases in Large Language Models [42.367959511140036]
  本稿では,大規模言語モデルの内部表現を探索する最初の解釈可能性に基づく手法であるCulturescopeを提案する。 本研究は,本質的な文化的偏見の尺度として,文化的平坦化スコアを導入する。 実験の結果,LLMは文化知識空間における西洋支配バイアスと文化的フラット化をエンコードしていることが明らかとなった。
  論文  参考訳（メタデータ） (2025-08-12T12:05:32Z)
• MultiNRC: A Challenging and Native Multilingual Reasoning Evaluation Benchmark for LLMs [56.87573414161703]
  大規模言語モデル(LLM)を評価するベンチマークであるMultiNRC(MultiNRC)を導入する。 MultiNRCは4つの中核的推論カテゴリをカバーしている: 言語固有の言語推論、単語プレイとライドル、文化的/トラディション推論、文化的関連性のある数学推論である。 文化的・貿易的推論や文化的関連性を考慮した数学的推論については、英語に習熟した母語話者のマニュアル翻訳による多言語質問の英訳も提供する。
  論文  参考訳（メタデータ） (2025-07-23T12:56:31Z)
• Meta-Cultural Competence: Climbing the Right Hill of Cultural Awareness [11.98067475490853]
  我々は、それは文化的な認識や知識ではなく、AIシステムに必要なメタ文化的能力であると主張している。 メタカルチャー・コンピテンスAIシステムの原則を概説し、それらを測定・モデル化する方法について議論する。
  論文  参考訳（メタデータ） (2025-02-09T04:51:59Z)
• Translating Across Cultures: LLMs for Intralingual Cultural Adaptation [12.5954253354303]
  文化適応の課題を定義し,現代LLMの性能を評価するための評価枠組みを構築した。 我々は、自動適応で起こりうる問題を解析する。 本稿は, LLMの文化的理解と, 異文化のシナリオにおける創造性について, より深い知見を提供していくことを願っている。
  論文  参考訳（メタデータ） (2024-06-20T17:06:58Z)
• Understanding the Capabilities and Limitations of Large Language Models for Cultural Commonsense [98.09670425244462]
  大規模言語モデル(LLM)は、かなりの常識的理解を示している。 本稿では,文化的コモンセンスタスクの文脈におけるいくつかの最先端LCMの能力と限界について検討する。
  論文  参考訳（メタデータ） (2024-05-07T20:28:34Z)
• Not All Countries Celebrate Thanksgiving: On the Cultural Dominance in Large Language Models [89.94270049334479]
  本稿では,大規模言語モデル(LLM)における文化的優位性について述べる。 LLMは、ユーザーが非英語で尋ねるときに期待する文化とは無関係な、不適切な英語文化関連の回答を提供することが多い。
  論文  参考訳（メタデータ） (2023-10-19T05:38:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。