論文の概要: Characterizing Cultural Localization in AI-Generated Stories

• arxiv url: http://arxiv.org/abs/2606.14626v1
• Date: Fri, 12 Jun 2026 16:51:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.998018
• Title: Characterizing Cultural Localization in AI-Generated Stories
• Title（参考訳）: AIが生み出す物語における文化的なローカライゼーションの特質
• Authors: Shaily Bhatt, Supriti Vijay, Jeremiah Milbauer, Fernando Diaz,
• Abstract要約: 本稿では,テンプレートによるローカライゼーションによって生成したコンテンツの度合いを計測する手法を提案する。 我々は、民族間で物語を区別する語彙的トークンを特定し、それらを取り除いた後に残る物語の類似性を測定する。 我々は、そのステレオタイプと攻撃性の文化的指標を特徴付け、主にグローバル・サウスに位置する19カ国のマーカーが平均攻撃的であることを発見した。
• 参考スコア（独自算出の注目度）: 46.04734349145654
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The global use of artificial intelligence has increased interest in assessing the ability to generate culturally localized content, including stories. Cultural localization in stories often occurs through either templated localization -- the use of cultural markers (e.g., names, locations) in a generic narrative -- or holistic localization -- the variation of plots, values, and themes, in addition to cultural markers. We propose a method to measure the degree to which content was generated through templated localization. Specifically, we identify the lexical tokens that distinguish stories across nationalities and measure the similarity of the narratives that remain after removing them. In stories generated by five models on 125 topics for 193 nationalities, our method is able to detect that only a small subset (9-17%) of the vocabulary accounts for the variation across nationalities and that the narratives that remain after removing them contain repeated multi-word sequences, suggesting the presence of a shared culturally-agnostic narrative template. Finally, we characterize the cultural markers for their stereotypicality and offensiveness, finding that markers from 19 countries, mostly located in the Global South, are on average offensive.
• Abstract（参考訳）: 人工知能のグローバルな利用は、物語を含む文化的にローカライズされたコンテンツを生成する能力を評価することへの関心を高めている。 物語における文化的なローカライゼーションは、一般的な物語における文化的なマーカー(名前や場所など)の使用、あるいは全体的ローカライゼーション(全体的ローカライゼーション)、プロット、価値観、テーマのバリエーション、文化的なマーカーのどちらかによって生じることが多い。 本稿では,テンプレートによるローカライゼーションによって生成したコンテンツの度合いを計測する手法を提案する。 具体的には、民族間で物語を区別する語彙的トークンを特定し、それらを取り除いた後に残る物語の類似性を測定する。 125のトピックを193の国籍に適用した5つのモデルから生成した話では、語彙のごく一部(9-17%)のみが国籍の変動を反映しており、削除後に残る物語には複数の単語列が繰り返し含まれており、文化的に無関係な物語テンプレートの存在が示唆されている。 最後に,世界南部を中心とする19カ国の指標が平均攻撃的であることから,そのステレオタイプ性や攻撃性を特徴付ける。

関連論文リスト

• When AI Writes, Whose Voice Remains? Quantifying Cultural Marker Erasure Across World English Varieties in Large Language Models [6.821769033209393]
  文化ゴースト(Cultural Ghosting)とは、テキスト処理において、非ネイティブな英語の品種に特有の言語マーカーを体系的に消去することである。 我々はこの現象を、IER(Identity Erasure Rate)とSPS(Semantic Preservation Score)の2つの新しい指標を用いて定量化する。 本実験は, 明示的な文化的保存により, セマンティック品質を犠牲にすることなく, 消毒を29%削減できることを実証した。
  論文  参考訳（メタデータ） (2026-02-25T17:54:42Z)
• AmharicStoryQA: A Multicultural Story Question Answering Benchmark in Amharic [25.361090310093072]
  評価は一つの言語に存在する有意義な文化的変化を見落としていると論じる。 アンハラ語話者の文化的多彩な物語に基づくベンチマークであるtextbftextitAmharicStoryQAを紹介する。
  論文  参考訳（メタデータ） (2026-02-02T20:28:19Z)
• Do You Know About My Nation? Investigating Multilingual Language Models' Cultural Literacy Through Factual Knowledge [68.6805229085352]
  ほとんどの多言語質問答えベンチマークは、取得した情報の地域的多様性を規定していない。 XNationQAには、9カ国の地理、文化、歴史に関する合計49,280の質問が7つの言語で提示されている。 我々はXNationQA上で8つの標準多言語LLMをベンチマークし、2つの新しい転送指標を用いて評価した。
  論文  参考訳（メタデータ） (2025-11-01T18:41:34Z)
• GlobalMood: A cross-cultural benchmark for music emotion recognition [10.490374578193773]
  「GlobalMood」は59か国から1180曲をサンプリングした異文化間ベンチマークデータセットである。 文化的に特定の音楽関連感情用語を抽出するためのボトムアップ・参加者主導のアプローチを実装した。
  論文  参考訳（メタデータ） (2025-05-14T16:32:45Z)
• Extrinsic Evaluation of Cultural Competence in Large Language Models [53.626808086522985]
  本稿では,2つのテキスト生成タスクにおける文化能力の評価に焦点をあてる。 我々は,文化,特に国籍の明示的なキューが,そのプロンプトに乱入している場合のモデル出力を評価する。 異なる国におけるアウトプットのテキスト類似性とこれらの国の文化的価値との間には弱い相関関係がある。
  論文  参考訳（メタデータ） (2024-06-17T14:03:27Z)
• Massively Multi-Cultural Knowledge Acquisition & LM Benchmarking [48.21982147529661]
  本稿では,多文化知識獲得のための新しいアプローチを提案する。 本手法は,文化トピックに関するウィキペディア文書からリンクページの広範囲なネットワークへ戦略的にナビゲートする。 私たちの仕事は、AIにおける文化的格差のギャップを深く理解し、橋渡しするための重要なステップです。
  論文  参考訳（メタデータ） (2024-02-14T18:16:54Z)

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。