Haonan Huang, Yuwei Lu, Chengkun Cai · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28066 · open-access PDF
Mehrsprachige Bewertungen erzielen oft das Ja oder Nein eines Modells, ein Token, das auch Modell- und Sprachbeantwortungskonventionen trägt. Wir fragen, wann unterschiedliche Wege der Erhebung und Lesung einer Antwort das gleiche Urteil wiederherstellen, und wenn sie eine Antwortgewohnheit messen. Wir sammeln 1,1 Millionen Antworten von acht Modellen in sechs Sprachen auf bis zu 105 moralischen Vignetten, die Form der Frage, die Antwortbeschränkung und das Lesen der Antwort, Token oder Satz in beiden Formulierungen (die FAR-6-Batterie) variieren.
Machine translation (Meta M2M100); the English original follows.
Multilingual evaluations often score a model's opening yes or no, a token that also carries model and language answering conventions. We ask when different ways of eliciting and reading an answer recover the same judgment, and when they measure an answer habit. We collect 1.1 million replies from eight models in six languages on up to 105 moral vignettes, varying the question's form, the answer constraint, and the reading of the reply, token or sentence, in both wordings (the FAR-6 battery). Story-level judgment profiles converge across the tested readouts and question forms, except for the ye
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28066, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange