当英语重写本土知识：《大语言模型》中的全球叙事主导地位

大语言模型（LLM）被广泛用作跨语言知识接口。然而，基于文化的问题往往反映全球主导的叙述，而不是当地背景。我们将这种失败模式研究为孟加拉语（资源匮乏的文化背景）中的 \textit{全球叙事主导地位}。我们引入了 \texttt{CulturalNB}，这是一个由 717 个手动策划的孟加拉文化实例组成的数据集，其中包含平行的孟加拉语-英语问题-答案对以及支持证据、元数据和社会文化注释。使用纯问题和基于证据的提示，我们与人类和两名独立的 LLM 法官一起评估了九个最先进的 LLM，涵盖跨语言一致性、语言锚定、全球替代、机构偏见和认知视角覆盖等指标。结果表明，用英语提出的问题系统地增加了全球替代和制度框架，同时减少了本地观点的覆盖范围。当地证据提高了事实一致性和观点覆盖率，但并不能消除语言引起的认知转变。这些发现表明，《LLM》中的文化失败不仅是知识缺失的错误，也是基础和叙事优先顺序的失败。