論文の概要: MemeBridge: A Dataset for Benchmarking and Mitigating the Bidirectional Cultural Gap in Meme Interpretation

• arxiv url: http://arxiv.org/abs/2609.00491v1
• Date: Mon, 31 Aug 2026 23:38:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.165674
• Title: MemeBridge: A Dataset for Benchmarking and Mitigating the Bidirectional Cultural Gap in Meme Interpretation
• Title（参考訳）: MemeBridge: ミーム解釈における双方向文化的ギャップのベンチマークと緩和のためのデータセット
• Abstract要約: 本稿では,米国産ミームを中心としたキュレートデータセットであるMemeBridgeを紹介する。 ここでの文脈は、背景信念、規範、ミーム理解を形成する共有前提を含む暗黙の文化的知識を指す。 我々は、米国参加者の予想される誤解がしばしば不正確であることを観察する。
• 参考スコア（独自算出の注目度）: 16.37143301773968
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Communicating across cultures is inherently challenging, especially through culturally dense and ambiguous formats like memes. While people expect large language models (LLMs) to hold promise for bridging such gaps, existing benchmark datasets often fail to capture the cultural context necessary for accurate interpretation. To address this, we introduce MemeBridge, a curated dataset centered on U.S.-originated memes, designed to capture two complementary perspectives: (1) how Chinese participants interpret these memes, and (2) how U.S. participants anticipate how people from other cultures might misunderstand them. Here, context refers to implicit cultural knowledge, including background beliefs, norms, and shared assumptions that shape meme comprehension. The dataset was constructed via a multi-stage crowdsourcing pipeline with rigorous validation, including human agreement checks and GPT-based classification verification. Each meme is annotated with sentiment, emotion, cultural significance, and knowledge type, providing rich supervision for downstream tasks. Notably, we observe that the anticipated misunderstandings from U.S. participants are often inaccurate, highlighting the asymmetries in cultural understanding and the challenges of adopting perspectives beyond one's own. This bidirectional framing, which focuses on both expression and perception, enables more nuanced benchmarking of cross-cultural comprehension. Our probing of multiple LLMs reveals that while models developed in different cultural contexts exhibit partial cross-cultural understanding, they often struggle with sophisticated interpretations. By contrast, fine-tuning with MemeBridge improves model performance, underscoring the value of culturally grounded resources for training and evaluating LLMs in globally diverse settings.
• Abstract（参考訳）: 文化を横断するコミュニケーションは、特にミームのような文化的に密度が高くあいまいな形式を通して、本質的に困難である。 大規模な言語モデル(LLM)がこのようなギャップを埋めることを約束する一方で、既存のベンチマークデータセットは正確な解釈に必要な文化的コンテキストを捉えていないことが多い。 この問題に対処するために,我々は,(1)中国の参加者がこれらのミームをどう解釈するか,(2)米国参加者が他の文化からの人々がそれらをどう誤解しているかを予測しているかという2つの相補的な視点を捉えるために設計された,米国産のミームを中心としたキュレートされたデータセットであるMemeBridgeを紹介した。 ここでの文脈は、背景信念、規範、ミーム理解を形成する共有前提を含む暗黙の文化的知識を指す。 データセットは、人間の同意チェックやGPTベースの分類検証を含む厳格な検証を備えた、多段階のクラウドソーシングパイプラインを通じて構築された。 各ミームには感情、感情、文化的重要性、知識タイプが注釈付けされており、下流のタスクに対する豊富な監督を提供する。 特に、米国参加者の予想される誤解は、しばしば不正確であり、文化的理解の非対称性と、自分以外の視点を採用することの課題を浮き彫りにする。 この双方向フレーミングは、表現と知覚の両方に焦点を当て、文化横断的な理解のより微妙なベンチマークを可能にする。 複数のLSMを探索した結果、異なる文化的文脈で開発されたモデルは、部分的な文化的理解を示す一方で、洗練された解釈に苦しむことが判明した。 対照的に、MemeBridgeによる微調整によりモデルの性能が向上し、世界的な多様な環境下でのLLMのトレーニングと評価に文化的基盤を持つリソースの価値が強調される。

関連論文リスト

• ArtECulture: Benchmarking Culture-Conditioned Visual Emotion Understanding in Multimodal Large Language Models [36.2474208478776]
  本稿では,あるイメージの文化特有の感情知覚を予測するタスクである,文化条件の視覚的感情理解を紹介する。 ArtECultureは、6,792点のアートワークと文化固有の感情ラベルと、英語、中国語、アラビア語の文化にまたがる説明を含むベンチマークである。
  論文  参考訳（メタデータ） (2026-08-04T09:05:41Z)
• LLMs Infer Cultural Context but Fail to Apply It When Responding [17.31205603254047]
  文化的・実践的反応推論(CAPRI)は,多様な文化的手がかりと会話のデータセットである。 最先端のLLMによる実験では、モデルは文化的背景を推測し、関連する慣習を思い出すことができるが、しばしばその情報を利用することができない。 文化的な手がかりが蓄積されるにつれて、モデルは回答に適応する傾向にあるが、前者は文化中立ではなく、しばしばモデルの起源の国と一致している。
  論文  参考訳（メタデータ） (2026-06-16T08:53:24Z)
• Where Culture Fades: Revealing the Cultural Gap in Text-to-Image Generation [43.352493955825736]
  現在のT2Iモデルは、多言語的なプロンプトの下で、文化的に中立な結果や英語に偏った結果をもたらすことが多い。 本稿では,培養感受性シグナルを少数の固定層内の小さなニューロン群に局在させる探索法を提案する。
  論文  参考訳（メタデータ） (2025-11-21T14:40:50Z)
• 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)
• CulFiT: A Fine-grained Cultural-aware LLM Training Paradigm via Multilingual Critique Data Synthesis [41.261808170896686]
  CulFiTは、多言語データと微粒な報酬モデリングを利用して、文化的感受性と傾きを高める新しいトレーニングパラダイムである。 本手法は,文化関連諸質問を合成し,文化関連言語における批判データを構築し,文化文献を検証可能な知識単位に分解するために,きめ細かい報酬を用いる。
  論文  参考訳（メタデータ） (2025-05-26T04:08:26Z)
• From Surveys to Narratives: Rethinking Cultural Value Adaptation in LLMs [62.9861554207279]
  LLM(Large Language Models)における文化的価値の適応は大きな課題である。 これまでの作業は主に、World Values Survey (WVS)データを使用して、LLMをさまざまな文化的価値と整合させる。 我々は,文化価値適応のためのWVSベースのトレーニングについて検討し,調査データのみに頼って文化規範を実践し,事実知識に干渉することを発見した。
  論文  参考訳（メタデータ） (2025-05-22T09:00:01Z)
• CAReDiO: Cultural Alignment of LLM via Representativeness and Distinctiveness Guided Data Optimization [50.90288681622152]
  大規模言語モデル(LLM)は、より深く様々な地域における人間の生活に統合される。 既存のアプローチは、文化固有のコーパスを微調整することで、文化的に整合したLCMを開発する。 本稿では,新しい文化データ構築フレームワークであるCAReDiOを紹介する。
  論文  参考訳（メタデータ） (2025-04-09T13:40:13Z)
• CultureVLM: Characterizing and Improving Cultural Understanding of Vision-Language Models for over 100 Countries [63.00147630084146]
  視覚言語モデル(VLM)は高度な人間とAIの相互作用を持つが、文化的な理解に苦慮している。 CultureVerseは大規模なマルチモーダルベンチマークで、682の文化的概念、188の国/地域、15の文化的概念、3の質問タイプをカバーしている。 本稿では,文化理解の大幅な向上を実現するために,我々のデータセットを微調整したVLMのシリーズであるCultureVLMを提案する。
  論文  参考訳（メタデータ） (2025-01-02T14:42:37Z)
• CulturePark: Boosting Cross-cultural Understanding in Large Language Models [63.452948673344395]
  本稿では,LLMを利用した文化データ収集のためのマルチエージェント通信フレームワークであるCultureParkを紹介する。 人間の信念、規範、習慣をカプセル化した高品質な異文化対話を生成する。 我々はこれらのモデルを,コンテンツモデレーション,文化的アライメント,文化教育という3つの下流課題にまたがって評価する。
  論文  参考訳（メタデータ） (2024-05-24T01:49:02Z)
• 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)
• Cultural Alignment in Large Language Models: An Explanatory Analysis Based on Hofstede's Cultural Dimensions [10.415002561977655]
  本研究は,ホフステデの文化次元の枠組みを用いて文化的アライメントを定量化する文化アライメントテスト (Hoftede's CAT) を提案する。 我々は、米国、中国、アラブ諸国といった地域の文化的側面に対して、大規模言語モデル(LLM)を定量的に評価する。 その結果, LLMの文化的アライメントを定量化し, 説明的文化的次元におけるLCMの差異を明らかにすることができた。
  論文  参考訳（メタデータ） (2023-08-25T14:50:13Z)

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。