Newest papers

Investigating Multi-Cultural Value Selection Biases in LLMs

Siddhesh Pawar, Arnav Arora, Dustin Wright, Dirk Hovy, Isabelle Augenstein · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31199 · open-access PDF

Hindi

बड़े भाषा मॉडल (एलएलएम) उन उपयोगकर्ताओं की सेवा करते हैं जिनकी सांस्कृतिक पहचान कई परतों में होती है, फिर भी सांस्कृतिक मूल्यांकन आमतौर पर पहचान को एक लेबल में कम करते हैं। इस काम में, हम एक साथ पहचान संकेतों के तहत एलएलएम का अध्ययन करते हैं, सिस्टम प्रिम्प्ट में एक देश व्यक्ति और उपयोगकर्ता रूम में एक दूसरा पहचान संकेत दिया जाता है, या तो एक देश (प्रत्येक संकेत) या पूछताछ भाषा (प्रत्येक संकेत) के माध्यम से।

Machine translation (Meta M2M100); the English original follows.

Abstract

Large language models (LLMs) serve users whose cultural identities are multi-layered, yet cultural evaluations commonly reduce identity to one label. In this work, we study LLMs under simultaneous identity cues, with a country persona in the system prompt and a second identity signaled in the user turn, either by naming a country (explicit cue) or through the query language (implicit cue). We test World Values Survey (WVS) multiple-choice probing and open-ended sociopolitical generation. In multiple-choice probing, language cues shift answers about three times more than explicit cues but away

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange