PLURAL：价值调整的全球数据集

大语言模型 (LLM) 在全球范围内使用，但不成比例地反映了西方价值观，限制了它们代表不同价值体系的能力。我们引入了 PLURAL，这是一个基于综合价值观调查 (IVS) 的大规模、以价值为中心的偏好数据集，IVS 是一项涵盖 92 个国家的全国代表性调查。使用两阶段生成管道，我们将调查响应转换为综合偏好三元组，在生成现实场景的同时保留规范价值信号。我们发布了 PLURAL 的初始版本，其中包含代表 20 个不同国家/地区的人们的约 500,000 个偏好三元组。我们通过三种方式评估 PLURAL：（i）数据集级验证表明它保留了原始调查中的跨国价值差异和国内多样性； (ii) 自动评估显示 PLURAL 训练可改善与目标国家文化概况的一致性，相对于强基线，平均绝对误差减少高达 27.7%； (iii) 印度、巴西和日本的 176 名评估员进行盲人评估，他们认为多元一致的反应更能代表其国家价值观。总之，这些结果表明 PLURAL 包含用于价值引导的可学习信号，为多元对齐提供可扩展的资源。数据集：https://huggingface.co/datasets/agdhruv/plural-alignment