論文の概要: Accurate in space, unreliable in time: how LLMs represent national cultural change

• arxiv url: http://arxiv.org/abs/2609.01902v1
• Date: Tue, 01 Sep 2026 22:03:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:17.991092
• Title: Accurate in space, unreliable in time: how LLMs represent national cultural change
• Title（参考訳）: 時空の正確さ、信頼性に欠ける - LLMが国家文化の変化をどのように表すか
• Authors: Yalda Daryani, Miranda Bogen, Madeleine I. G. Daepp,
• Abstract要約: 文化心理学の研究は、文化的価値が時間とともに異なる速度と方向で変化することを示している。 文化を意識した"モデルでは、文化が現在どこにあるのかだけでなく、時間とともにどのように変化したのかを捉えなければなりません。 本研究では,20年以上にわたる世界価値調査データを用いて,この文化的意識の欠落について検討する。
• 参考スコア（独自算出の注目度）: 2.0690116998275734
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Assessments of cultural alignment have become an important part of the development and improvement of large language models (LLMs). However, the majority of the evaluations treat culture as a single snapshot, investigating only whether a model represents a society accurately at the current time. Research in cultural psychology shows that cultural values change at different rates and directions over time. Therefore, a "culturally aware" model should capture not only where a culture is today but also how it has changed over time. We examine this missing dimension of cultural awareness using more than two decades of the World Values Survey data. We compare the cultural trajectories of 40 countries with the trajectories produced by four state-of-the-art (SOTA) LLMs on the Inglehart-Welzel cultural map. Our findings show that while models generally place countries close to their most recent surveyed positions, these representations tend to lag several years behind that position. They also capture only part of the magnitude of the observed change, introduce movement where little occurred, and rarely reproduce reversals in countries' trajectories. These findings point to temporal flattening and suggest that snapshot accuracy can give an incomplete picture of cultural awareness in LLMs and have implications for model evaluation, representational harms, and the governance of culturally aware AI systems.
• Abstract（参考訳）: 文化的アライメントの評価は、大規模言語モデル(LLM)の開発と改善の重要な部分となっている。 しかし,ほとんどの評価では,モデルが社会を正確に表現しているかどうかのみを調査し,文化を一つのスナップショットとして扱う。 文化心理学の研究は、文化的価値が時間とともに異なる速度と方向で変化することを示している。 したがって、"文化的に意識された"モデルは、文化が現在どこにあるかだけでなく、時間とともにどのように変化したかを捉えるべきである。 本研究では,20年以上にわたる世界価値調査データを用いて,この文化的意識の欠落について検討する。 Inglehart-Welzel文化地図上の4つのSOTA (State-of-the-art) LLMによる40カ国の文化的軌跡とを比較検討した。 以上の結果から,最近調査された位置に近い国では一般的にモデルが配置されるが,これらの表現は数年遅れる傾向にあることがわかった。 また、観測された変化の大きさの一部のみを捉え、ほとんど発生しない動きを導入し、各国の軌道の逆転を稀に再現する。 これらの結果は時間的平坦化を示唆し、スナップショット精度はLLMにおける文化的認識の不完全性を示し、モデル評価、表現的危害、文化的に認識されるAIシステムのガバナンスに影響を及ぼすことを示唆している。

関連論文リスト

• 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)
• 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)
• Cultural Counterfactuals: Evaluating Cultural Biases in Large Vision-Language Models with Counterfactual Examples [13.476728526770023]
  文化バイアスを測定する上で重要な課題は、個人が属するグループを決定することは、しばしば画像の文化的文脈に依存することである。 本稿では,宗教,国籍,社会経済的地位に関連する文化的バイアスを測定するために,60k近い反事実画像を含む高品質な合成データセットについて紹介する。
  論文  参考訳（メタデータ） (2026-03-02T20:19:53Z)
• 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)
• Navigating the Cultural Kaleidoscope: A Hitchhiker's Guide to Sensitivity in Large Language Models [4.771099208181585]
  LLMはますますグローバルなアプリケーションにデプロイされ、さまざまなバックグラウンドを持つユーザが尊敬され、理解されることが保証される。 文化的な害は、これらのモデルが特定の文化的規範と一致しないときに起こり、文化的な価値観の誤った表現や違反をもたらす。 潜在的な文化的不感を露呈するシナリオを通じて、異なる文化的文脈におけるモデルアウトプットを評価するために作成された文化的調和テストデータセットと、多様なアノテータからのフィードバックに基づいた微調整による文化的感受性の回復を目的とした、文化的に整合した選好データセットである。
  論文  参考訳（メタデータ） (2024-10-15T18:13:10Z)
• 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)

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。