本研究探讨了文本到图像生成模型在文化适应性方面的不足，特别是对俄罗斯文化的理解。提出了一种基于文化代码的数据集处理方法，实验证明该方法能有效提高模型对俄罗斯文化的认知，改善生成质量。

本研究探讨大语言模型可能导致的人类价值同质化问题，影响社会信任与繁荣。EthosGPT框架旨在全球范围内评估人类价值，揭示模型在不同文化中的适应性与偏见，为开发更具包容性的语言模型提供见解，尤其在文化遗产保护和减少不平等方面具有重要意义。

本研究针对大型语言模型在波斯语文化适应性评估的不足，提出了PerCul数据集，通过故事驱动的多项选择题提升文化敏感性。实验结果显示，现有模型与用户基准之间的差距为11.3%，最佳模型的差距达到21.3%。

本研究提出了一种新方法XTransplant，旨在提升大型语言模型在多语言能力和文化适应性方面的不足。实验结果表明，该方法显著改善了LLMs的表现，充分挖掘了其多语言潜力。