CULTURE-GEN: Revelando la Percepción Cultural Global en Modelos de Lenguaje mediante Indicaciones en Lenguaje Natural

A medida que la utilización de grandes modelos de lenguaje (LLMs) se ha proliferado en todo el mundo, es crucial que tengan un conocimiento adecuado y una representación justa para diversas culturas globales. En este trabajo, descubrimos las percepciones culturales de tres modelos SOTA en 110 países y regiones en 8 temas relacionados con la cultura mediante generaciones condicionadas por la cultura, y extraemos símbolos de estas generaciones que están asociados a cada cultura por el LLM. Descubrimos que la generación condicionada por cultura consiste en "marcadores" lingüísticos que distinguen culturas marginadas de las culturas por defecto. También descubrimos que los LLMs tienen un grado desigual de diversidad en los símbolos culturales, y que culturas de diferentes regiones geográficas tienen diferente presencia en la generación cultura-agnóstica de los LLMs. Nuestros hallazgos promueven investigaciones futuras en el estudio del conocimiento y la equidad de la percepción cultural global en LLMs. Código y datos pueden encontrarse en: https://github.com/huihanlhh/Culture-Gen/