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。

本研究探讨了大型语言模型在波斯语文化适应性评估中的不足。通过引入PerCul数据集，采用故事驱动的多项选择题，旨在提高模型的文化敏感性。实验结果显示，现有模型与用户基准之间存在11.3%的差距，最佳模型的差距达到21.3%。

本研究提出XTransplant方法，探讨大型语言模型在多语言能力和文化适应性上的不足。通过交叉语言前馈移植，显著提升了模型的多语言能力，显示出其潜力未被充分利用。

NormSAGE框架通过语言模型和自我验证机制，发现多语言文化规范，提升对话的相关性和准确性。研究表明，ChatGPT在不同文化背景下的适应性存在差异，尤其偏向美国文化。NormDial和ReNoVi等项目构建了高质量的对话数据集，探讨中美社会规范差异，并提出评估大型语言模型文化适应性的工具，强调文化包容性在AI中的重要性。

本文探讨大型语言模型（LLMs）中的对齐问题，强调人类价值的多样性对模型的影响。研究比较了不同文化背景下LLMs的表现，提出了文化对齐测试（Cultural Alignment Test，CAT）和CultureLLM，以解决文化不匹配问题。结果显示，GPT-4在理解美国文化方面表现最佳，且CultureLLM在文化相关数据集上优于其他模型。研究强调多语言预训练数据集的平衡性，以增强LLMs的文化适应性和安全性。

本文探讨了大型语言模型（LLMs）在模拟人类行为和文化适应性方面的能力，分析了图灵实验（TE）和文化对齐测试（CAT）。研究发现，LLMs在不同文化背景下表现不均，尤其在南方全球文化中适应性较差。通过对GPT-4的分析，揭示了其在跨文化心理研究中的潜力和偏见问题，强调了在LLM开发中整合文化考量的重要性。

本文探讨了大型语言模型（LLMs）中的社会偏见及其对公众舆论预测的影响。研究发现，LLMs在性别和种族方面存在偏见，并提出了一种去偏策略，通过模拟社会接触显著减少了模型的偏见。此外，LLMs在多语言环境中的情感分析表现不一，强调了提升其文化适应性的必要性。

本研究探讨了大型语言模型在生物医学自然语言推理、可视化转换和情感分析中的表现，揭示了其优势与局限性。分析显示，模型在处理医学缩写和数量推理时面临挑战，并且在多语言环境中的文化适应性不足，强调了改进的必要性。

本研究探讨大型语言模型（LLMs）在适应不同社会文化规范方面的能力，发现其在文化推理上存在困难，尤其对南方全球文化适应性较差。通过创建NormAd数据集评估LLMs的文化适应性，强调提高其全球公平性和实用性的潜力。研究提出CultureLLM模型，利用语义数据增强方法提升文化特定LLMs的性能，显示出优于其他模型的效果。

本研究探讨了如何将文化知识融入大型语言模型（LLMs）的机器翻译中，提出了新的数据筛选和提示策略，构建文化相关的平行语料库。实验结果表明，CultureLLM在文化特定翻译上优于传统系统，并在多语言能力和文化适应性方面表现出色，强调了改进LLMs以应对文化差异的重要性。