論文の概要: Probing Cultural Awareness in LLMs: A Case Study of Cross-Culture Aesthetic Stylistics

• arxiv url: http://arxiv.org/abs/2605.27296v1
• Date: Tue, 26 May 2026 17:08:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:42.482104
• Title: Probing Cultural Awareness in LLMs: A Case Study of Cross-Culture Aesthetic Stylistics
• Title（参考訳）: LLMにおける文化的意識の探索 : クロスカルチャーの審美的スティリスティックスを事例として
• Authors: Jiashuo Wang, Fenggang Yu, Jian Wang, Chak Tou Leong, Xiaoyu Shen, Chunpu Xu, Jiawen Duan, Wenjie Li, Johan F. Hoorn,
• Abstract要約: 大規模言語モデル(LLM)は、様々な文化的文脈に展開されているが、審美的スタイリスティックを習得する能力はいまだに未熟である。 行動認識と生産能力のレンズによるLCMの評価を行った。 香港の環境では、LLMのスタイリスティックな認識は主にスタイリスティックな構造ではなく、表面レベルの言語情報に依存していることがわかった。
• 参考スコア（独自算出の注目度）: 23.412801189757058
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are increasingly deployed in diverse cultural contexts, yet their ability to master aesthetic stylistics, i.e., the strategic use of language to evoke cultural resonance, remains underexplored. We curate C4STYLI, a benchmark of highly stylized translated movie titles and advertising slogans from Hong Kong and the Chinese Mainland, to evaluate LLMs via the lens of behavioral recognition and productive competence. Extensive evaluations show that LLMs differ from humans in stylistic recognition, and this recognition ability varies across text domains. In addition, stylistic recognition and generation performance in LLMs are not consistently aligned. To further examine whether LLMs genuinely capture stylistic information in stylistic recognition, we conduct structural ablation with logistic regression probes. We find that, in the Hong Kong setting, stylistic recognition in LLMs relies primarily on surface-level linguistic information rather than stylistic structure. This suggests limited sensitivity to Hong Kong-specific stylistic structure.
• Abstract（参考訳）: 大規模言語モデル (LLM) は、様々な文化的文脈に展開されているが、審美的スタイリスティックを習得する能力、すなわち、文化的共鳴を誘発する言語を戦略的に活用する能力は、まだ未熟である。 C4STYLIは、香港と中国本土の映画タイトルと広告スローガンを高度に分類したベンチマークであり、行動認識と生産能力のレンズを通してLCMを評価する。 広範に評価した結果,LLMはスタイリスティックな認識において人間と異なり,この認識能力はテキスト領域によって異なることがわかった。 加えて、LLMのスタイリスティックな認識と生成性能は一貫して一致しない。 さらに,LLMがスタイリスティック認識におけるスタイリスティック情報を真に捉えているかどうかを調べるため,ロジスティック回帰プローブを用いて構造的アブレーションを行う。 香港の環境では、LLMのスタイリスティックな認識は主にスタイリスティックな構造ではなく、表面レベルの言語情報に依存していることがわかった。 これは香港特有の様式的構造に対して限定的な感受性を示している。

関連論文リスト

• Cross-Lingual Consensus: Aligning Multilingual Cultural Knowledge via Multilingual Self-Consistency [1.338174941551702]
  大規模言語モデル(LLM)は、言語間での大幅なパフォーマンスの相違を示す。 本稿では,この知識ギャップを埋める新たな自己教師型フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-21T08:11:01Z)
• Why are all LLMs Obsessed with Japanese Culture? On the Hidden Cultural and Regional Biases of LLMs [0.9021349761461702]
  我々は、CROQ(Culture-Related Open Questions)の包括的分類に基づく新しいデータセットを提案する。 その結果,従来の文化的偏見とは対照的に,LLMは日本などの国々に対して明らかな傾向を示した。 以上の結果から,初発明徴候は指導的微調整後に出現し,事前訓練中に出現しなかったことが示唆された。
  論文  参考訳（メタデータ） (2026-04-23T15:00:05Z)
• 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)
• CLM-Bench: Benchmarking and Analyzing Cross-lingual Misalignment of LLMs in Knowledge Editing [5.137059606366328]
  CLM-Benchは中国固有の手法を用いて構築されたカルチャー対応のベンチマークである。 代表的LLMについて広範な実験を行い、言語間の相違を顕著に明らかにした。 本研究は,言語間移動における現在の手法の有効性に挑戦し,文化的にネイティブなベンチマークの重要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2026-01-24T09:55:34Z)
• Characterizing Bias: Benchmarking Large Language Models in Simplified versus Traditional Chinese [52.98034458924209]
  本研究では,大言語モデルが中国語の2つの変種に刺激された場合の差分性能について検討する。 実世界のシナリオを反映した2つのベンチマークタスクを設計する。 分析の結果、LLM応答のバイアスはタスクとプロンプト言語の両方に依存していることがわかった。
  論文  参考訳（メタデータ） (2025-05-28T17:56:49Z)
• Hate Personified: Investigating the role of LLMs in content moderation [64.26243779985393]
  ヘイト検出などの主観的タスクでは,人々が嫌悪感を知覚する場合には,多様なグループを表現できるLarge Language Model(LLM)の能力は不明確である。 追加の文脈をプロンプトに含めることで、LLMの地理的プライミングに対する感受性、ペルソナ属性、数値情報を分析し、様々なグループのニーズがどの程度反映されているかを評価する。
  論文  参考訳（メタデータ） (2024-10-03T16:43:17Z)
• 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)
• Does Mapo Tofu Contain Coffee? Probing LLMs for Food-related Cultural Knowledge [47.57055368312541]
  FmLAMA(FmLAMA)は、食品関連の文化的事実と食実践のバリエーションに着目した多言語データセットである。 我々は,LLMを様々なアーキテクチャや構成にわたって分析し,その性能を単言語と多言語の両方で評価する。
  論文  参考訳（メタデータ） (2024-04-10T08:49:27Z)

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。