别把我困住：动态文化适应和社会理解的认知跟踪

社会互动越来越多地发生在多元文化环境中，个人可能会利用多种文化的影响并在不同的环境中调整他们的沟通行为。尽管最近在为 大语言模型 (LLM) 配备社交理解能力方面取得了进展，但现有方法通常将文化建模为静态人口统计属性，限制了它们适应混合和动态表达的交流偏好的能力。因此，在本文中，我们提出了 \textbf{DyCAC}，这是一个 无需训练 框架，通过将 \underline{Dy}namic \underline{C}文化 \underline{A} 适应与连续 \underline{C} 认知跟踪相结合来实现流动的社会对齐。 DyCAC 不是推断固定的文化身份，而是将文化相关的交流偏好建模为人口水平文化参考资料的随时间变化的混合体。这种基于参考的表示使用在持续交互中观察到的对话式信号进一步校准，使模型能够捕获复合文化影响和交流行为的轮次变化。与此同时，由心理理论 (ToM) 驱动的记忆模块持续跟踪对话者的认知状态。关于交互式社会和文化基准的广泛实验证明了我们方法的优越性。拟议的框架优于现有基线，表现出增强的社会智能和跨不同多元文化背景的广泛适应性。