论文
DiSCo：用于测量 LLM 中文化偏好偏差的分配优先指导和文化先验评估框架
DiSCo: A Distribution-First Steering and Cultural Prior Evaluation Framework for Measuring Cultural Preference Bias in LLMs
摘要
大语言模型日益用于全球助手，但在与文化有关的日常情境中，默认选择可能系统性偏向某些文化，影响本地化、信任和公平行为。既有基准按单一“正确”答案评分，难以在多种文化回答均有效时刻画模型偏好先验，也把默认偏好与上下文适应混为一谈。DiSCo是以分布为先的强制选择评测框架，用四级上下文梯度C0—C3区分默认文化先验并检验引导能力。我们基于BLEnD构建覆盖十二种文化的304项DiSCo-Bench，评测六种指令微调模型。默认先验高度集中：英美只占十二种文化中的两种，却合计获得约35%的选择。更重要的是，提示引导持续扩大高低资源文化间的选择差距，注入明确文化事实也几乎未改变分布，表明仅靠提示个性化无法解决这种文化偏好偏差。