Mind the Gap: Pitfalls of LLM Alignment with Asian Public Opinion

Hari Shankar, Vedanta S P, Sriharini Margapuri, Debjani Mazumder, Ponnurangam Kumaraguru, Abhijnan Chakraborty

2026 • Proceedings of the 20th International AAAI Conference on Web and Social Media (ICWSM 2026)

Artigo Científico Inteligência Artificial Alinhamento Cultural de Modelos de Linguagem Licença: CC BY 4.0

Acessar pelo DOI Acessar fonte oficial

Ficha bibliográfica

Idioma: Inglês

Fonte original: arXiv Cornell University

Nível de leitura: Doutorado/Pesquisador

Nível de uso acadêmico: Avançado - Fundamentação Teórica e Formulação de Benchmarks

Data da curadoria: 01/06/2026

Responsável: Assistente de Curadoria Acadêmica

Síntese autoral

A pesquisa estabelece uma metodologia quantitativa para analisar como os grandes modelos de linguagem frequentemente falham ao mimetizar a real distribuição de opiniões públicas das populações asiáticas, a investigação demonstra que as estratégias comuns de engenharia de prompt ou de direcionamento demográfico suavizam os problemas superficiais, porém não eliminam lacunas estruturais de representação cultural.

Comentário do Professor Calvete

O trabalho é de extrema relevância para a fundamentação teórica de auditorias em IA e para o desenvolvimento de novos benchmarks de avaliação de viés regional (como IndiBias e ThaiCLI). Ele preenche uma lacuna metodológica crucial ao propor o uso de distribuições de probabilidades do próprio modelo para medir o nível de aderência cultural de sistemas inteligentes no continente asiático.

Aplicabilidade acadêmica

Desenvolvimento de frameworks de alinhamento cultural de IA Auditoria de segurança linguística e religiosa no Sul e Sudeste Asiático Mitigação de vieses em LLMs comerciais e de código aberto

Utilizar este estudo para estruturar métricas avançadas de validação de dados de treinamento e desenhar estratégias robustas de fine-tuning aplicadas a contextos culturais específicos na Ásia.

Cuidados de uso e licença

Este item foi cadastrado manualmente como parte de uma curadoria acadêmica. Antes de reproduzir, adaptar, distribuir ou utilizar conteúdo integral em outro contexto, verifique a licença diretamente na fonte oficial. Sempre cite autores, periódico ou instituição responsável, DOI e link original.

Observação: Licença aberta padrão de distribuição do arXiv que permite a livre catalogação e citação dos metadados e resumos para uso acadêmico.