Fugu-MT 論文翻訳(概要): CoCoA: Context-Conditional Cultural Alignment for Large Language Models

論文の概要: CoCoA: Context-Conditional Cultural Alignment for Large Language Models

arxiv url: http://arxiv.org/abs/2608.29492v1
Date: Sun, 30 Aug 2026 01:04:36 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-01 18:31:30.982472
Title: CoCoA: Context-Conditional Cultural Alignment for Large Language Models
Title（参考訳）: CoCoA: 大規模言語モデルのためのコンテキスト中心の文化的アライメント
Abstract要約: 大規模言語モデル(LLM)は、文化的な文脈において西洋関連エンティティを好んでいることが多い。文化的バイアス緩和は文脈条件の行動を要求し、文化的な手がかりが存在する場合、文化的に適切な実体を優先し、それらが欠如している場合、中立なままである。 CoCoAは、文化的な手がかりのないコンテキスト下で、同じエンティティペア上での二重コンテキストトレーニングを通じて、この振る舞いを学ぶためのフレームワークである。
参考スコア（独自算出の注目度）: 35.10036859867673
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Large Language Models (LLMs) often favor Western-associated entities across cultural contexts. Conventional debiasing methods aim for uniform neutrality, but cultural bias mitigation demands context-conditional behavior, preferring culturally appropriate entities when cultural cues are present and remaining neutral when they are absent. We propose CoCoA (Context-Conditional Cultural Alignment), a framework that learns this behavior through dual-context training on the same entity pairs under contexts with and without cultural cues. CoCoA combines a contrastive alignment objective with calibration and drift regularization, optimized through goal-aware gradient reconciliation. We evaluate CoCoA on CAMeL and Camellia, two entity-centric cultural bias benchmarks, across ten language settings and four LLMs. CoCoA reduces the Cultural Bias Score from 43 to 24 on average while maintaining near-neutral preferences at 50.2, with minimal impact on general performance across five standard benchmarks. These findings highlight that effective cultural alignment requires context-conditional modeling rather than uniform debiasing, and establish a new direction for mitigating entity-centric cultural bias in LLMs.
Abstract（参考訳）: 大規模言語モデル(LLM)は、文化的な文脈において西洋関連エンティティを好んでいることが多い。従来のデバイアス法は、均一な中立性を目指しているが、文化的偏見の緩和は文脈条件の行動を要求し、文化的な手段が存在する場合、文化的に適切な実体を優先し、不在時には中立性を維持する。本研究では,CoCoA (Context-Conditional Cultural Alignment) を提案する。 CoCoAは、目標を意識した勾配調整によって最適化された、逆アライメント目標とキャリブレーションとドリフト正規化を組み合わせる。企業中心の2つの文化バイアスベンチマークであるCAMeLとCamelliaのCoCoAを10の言語設定と4つのLLMで評価した。 CoCoAはカルチャーバイアススコアを平均43から24に減らし、中性に近い選好を50.2に維持する。これらの知見は, 効果的な文化的アライメントには一様偏見ではなく, 文脈条件モデリングが必要であり, LLMにおけるエンティティ中心の文化的偏見を緩和するための新たな方向性を確立している。

関連論文リスト

DiSCo: A Distribution-First Steering and Cultural Prior Evaluation Framework for Measuring Cultural Preference Bias in LLMs [1.2802720336459552]
大規模な言語モデルは、他のものよりも体系的に一部の文化を好むことができる。既存のベンチマークは、単一の"正しい"回答に対して精度を評価する。分散優先型強制選択評価フレームワークである提案手法を提案する。
論文参考訳（メタデータ） (2026-09-09T14:40:08Z)
CCBENCH: Assessing LLM Cultural Competence via Implicitly Signaled Norms using Health Queries [42.15271207948674]
大規模言語モデル(LLM)における文化的能力評価フレームワークであるCCBENCHを紹介する。 CCBENCH-Healthは、6つの文化にまたがる様々な標準順守状態を示す60の人格を含む。 5つの主要なモデルをベンチマークすると、最善者が文化的に適切なレスポンスを達成しても、その時間の20～30%しか得られないことが明らかになった。
論文参考訳（メタデータ） (2026-06-08T22:52:34Z)
Whose Norms? Disentangling Cultural and Personal Alignment in Large Language Models [66.34115263472931]
大規模言語モデルは、文化的規範と個人の嗜好のバランスを必要とする社会的意思決定の状況にますます使われてきている。 PACT(Personal-Preference and Cultural-Norm Trade-off framework)を導入し,モデルが文化的規範に従うか,あるいは個人の嗜好を許容するかを評価する。 PACTに関する5つの国による研究は、人間の文化のフォローは主にシナリオ国によって行われており、参加者が自身の文化的文脈を判断する際の合意は最低であることを示している。
論文参考訳（メタデータ） (2026-06-05T22:20:30Z)
CultureForest: Understanding and Evaluating Cultural Norm Grounded Reasoning in LLMs [59.09971492475217]
TextitCultural Norm Grounded ReasoningのベンチマークであるCultureForestを紹介する。 CultureForestは8つのドメインで5,378のサンプルと53の国/リージョンで構成されている。大規模な実験では、トップ層モデルでさえ、オープンな設定で大幅に劣化していることが明らかになった。
論文参考訳（メタデータ） (2026-06-01T08:25:12Z)
Beyond Literal Translation: Evaluating Cultural Effectiveness in Social Media UGC [39.66998905774523]
我々はソーシャルメディア翻訳のベンチマークであるCULTURE-MTを紹介する。 CULTURE-MTは、14のドメインにまたがる1,002のノートで構成され、カルチャーロードされたシンボルと言語スタイルの特徴に基づいて4つのタイプに分類される。本稿では,表現精度と文化的適応性に着目し,新しい評価基準としての文化的有効性を提案する。
論文参考訳（メタデータ） (2026-05-25T09:29:25Z)
CURE: Cultural Understanding and Reasoning Evaluation - A Framework for "Thick" Culture Alignment Evaluation in LLMs [24.598338950728234]
大規模言語モデル(LLM)は、文化的に多様な環境にますます展開されている。既存の方法は、非文脈的正当性や強制選択判断に重点を置いている。現実的な状況下でモデルを提示するベンチマークのセットを紹介する。
論文参考訳（メタデータ） (2025-11-15T03:39:13Z)
Cross-Cultural Transfer of Commonsense Reasoning in LLMs: Evidence from the Arab World [68.19795061447044]
本稿では,アラブ世界におけるコモンセンス推論の異文化間移動について検討する。アラブ13カ国を対象とした文化基盤のコモンセンス推論データセットを用いて,軽量アライメント手法の評価を行った。以上の結果から,他国の文化特有例は12例に過ぎず,他国の文化特有例を平均10%向上させることができた。
論文参考訳（メタデータ） (2025-09-23T17:24:14Z)
Culture is Everywhere: A Call for Intentionally Cultural Evaluation [36.20861746863831]
文献的文化的評価について論じる: 評価のあらゆる側面に埋め込まれた文化的仮定を体系的に検証するアプローチ。我々は、現在のベンチマークプラクティスを超えて、意味と今後の方向性について議論する。
論文参考訳（メタデータ） (2025-09-01T09:39:21Z)
From Word to World: Evaluate and Mitigate Culture Bias in LLMs via Word Association Test [50.51344198689069]
我々は,人中心語関連テスト(WAT)を拡張し,異文化間認知による大規模言語モデルのアライメントを評価する。文化選好に対処するために,モデルの内部表現空間に直接,文化固有の意味的関連性を直接埋め込む革新的なアプローチであるCultureSteerを提案する。
論文参考訳（メタデータ） (2025-05-24T07:05:10Z)
Cultural Learning-Based Culture Adaptation of Language Models [70.1063219524999]
大きな言語モデル(LLM)をさまざまな文化的価値に適用することは難しい課題です。文化的学習に基づくLLMと文化的価値との整合性を高めるための新しい枠組みであるCLCAについて述べる。
論文参考訳（メタデータ） (2025-04-03T18:16:26Z)

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。