哪个印度在翻译中幸存下来？ LLM 中印度口头传统的叙事同质化

大语言模型 (LLM) 主要接受英语网络文本的训练，这些文本过度代表了某些文化叙事，引起了人们的担忧，即模型将非西方讲故事传统的多样性扁平化为单一的同质化原型。我们提出了一项试点计算研究，通过三个截然不同的印度地区口头和文学传统来检验这一点：拉贾斯坦帕布吉史诗、古典泰米尔桑格姆诗歌和孟加拉民间故事。我们收集了每个传统的真实参考语料库（分别为 11、21 和 10 段），并提示了两个 LLM（Claude Sonnet 和 Gemini），其中包含 54 代请求，涵盖每个传统的三种提示类型 - 通用、特定文化和区域语言。使用句子-BERT 嵌入和余弦相似度，我们测量参考漂移（输出相对于其他两个传统的真实文本的跟踪程度）和跨传统收敛（跨传统的输出相似程度）。我们发现，虽然输出仍然比其他传统更接近自己的传统参考，但相对于传统的真实距离所预测的，跨传统相似性很高（0.52-0.66），表明部分同质化。出乎意料的是，相对于英语提示，使用地方语言（印地语、泰米尔语或孟加拉语）提示始终会降低对正宗传统的忠实度，对于拉贾斯坦语和孟加拉语传统，降低幅度高达 27 个百分点。我们讨论了这一点，反对之前关于多语言提示的相互矛盾的结果，并认为它反映了引发普遍文化多样性和模拟一种狭隘的、记录较少的口头传统之间的差异。我们将该试点项目定位为对最近 LLM 生成的故事中印度文化歪曲的大规模人工注释研究的轻量级、可扩展的补充，作为更广泛的博士研究计划的一部分。