大型語言模型以文化不均衡基準感知城市
arXiv - Computers and SocietyRong Zhao, Wanqi Liu, Zhizhou Sha, Nanxi Su, Yecheng Zhang
研究顯示即使使用中立提示，LLM對城市的描述仍帶有文化偏見，且文化相近提示可提升與人類描述的一致性，但不增進語義多樣性。
AI 幫你先抓重點
AI 重點 1
LLM 的城市描述隱含文化偏見，需謹慎使用於多元教育場景。
滑鼠懸停看 AI 判斷理由
即使提示設計為中立，模型仍以西方文化為基準，若不加以調整，學生可能接受偏頗的城市觀，影響批判性思維與跨文化理解。
AI 重點 2
文化相近的提示能提升人類對齊度，但同時可能放大情感偏好，需平衡多樣性與情感調節。
滑鼠懸停看 AI 判斷理由
提示靠近學生文化背景可使生成內容更貼近其經驗，然而這同時可能維持情感上升的風格，導致缺乏多元語義，教育者需結合人類審核與多元視角以維持內容平衡。
核心研究發現
- 1
中立提示並未真正中立，模型在描述城市時仍呈現文化偏向。
- 2
歐洲與北美提示的輸出更接近基準，非西方提示則偏離較遠。
- 3
文化提示改變情感評價，產生對所屬文化的正向偏好。
- 4
雖能提升與人類描述的一致性，但仍缺乏語義多樣性，且情感風格偏高。
對教育工作者的啟發
在課程設計中，教師可先選擇與學生文化背景相近的提示，以提升內容相關性；同時加入多元文化視角與人類審核，避免單一文化框架；利用LLM生成的描述作為討論起點，鼓勵學生批判性思考；最後，設計評量時加入多樣性指標，確保學生接觸多元城市觀點。
原始文獻資訊
- 英文標題：
- Large language models perceive cities through a culturally uneven baseline
- 作者：
- Rong Zhao, Wanqi Liu, Zhizhou Sha, Nanxi Su, Yecheng Zhang
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。