arXiv cs.CY· Bryan Chen Zhengyu Tan, Zhengyuan Liu, Xiaoyuan Yi, Jing Yao, Xing Xie, Nancy F. Chen, Roy Ka-Wei Lee·· 11 小时前AI 评分34
Persona-Prompted LLM 能否模拟子群体价值观？文化对齐的泛化性与公平性实证分析
Can Persona-Prompted LLMs Emulate Subgroup Values? An Empirical Analysis of Generalisability and Fairness in Cultural Alignment
AI 导读
研究以新加坡为案例、基于 World Values Survey 数据检验 LLM 能否模拟人口子群体的文化价值观，发现 GPT-4.1 预测子群体偏好众数的准确率仅 57.4%。
正文 · AI 翻译
摘要：尽管大语言模型（LLM）在全球范围内广泛使用，但许多模型仍对齐于一套单一、往往以西方为中心的价值观。本文研究了更具挑战性的细粒度价值对齐任务：考察 LLM 能否模拟人口子群体的独特文化价值观。我们以新加坡为案例，结合世界价值观调查（WVS），考察了价值观图景，并表明即便是 GPT-4.1 这样的最先进模型，在预测子群体众数偏好时也仅达到 57.4% 的准确率。我们构建了一个包含 20,000 多个样本的数据集，用于训练和评估一系列模型。我们证明，对结构化数值偏好进行简单的微调即可带来显著提升，在未见过的、分布外子群体上平均将准确率提高 17.4%。这些提升部分迁移到了开放式生成任务中。然而，我们发现存在显著的既有性能偏差，模型能更好地模拟年轻、男性、华人和基督徒人设。此外，尽管微调提升了平均性能，但以距离感知指标衡量时，它反而扩大了子群体之间的差距。我们的工作为子群体层面文化对齐的局限性与公平性影响提供了洞见。
| 评论： | ACL 2026。代码：此 https URL |
| 主题： | 计算机与社会（cs.CY） |
| 引用为： | arXiv:2604.12851 [cs.CY] |
| （或 arXiv:2604.12851v2 [cs.CY] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.12851 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Bryan Tan [查看邮箱]
[v1]
2026年4月14日星期二 15:06:13 UTC（330 KB）
[v2]
2026年10月15日星期四 23:24:37 UTC（330 KB）
来源：arXiv cs.CY · arxiv.org