Same question, different history: language, national identity, and credit in large language models
作者: William Guey, Pierrick Bougault, Wei Zhang, Vitor D. de Moura, José O. Gomes
分类: cs.CL
发布日期: 2026-06-22
备注: 27 pages (main text and Supplementary Information combined), 5 figures, 9 tables
💡 一句话要点
分析语言对历史认知的影响，揭示大语言模型的文化记忆机制
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大语言模型 文化记忆 历史认知 语言影响 国家身份 发明归属 多语言分析
📋 核心要点
- 核心问题：现有大语言模型在处理历史发明归属时，受语言和文化背景影响，导致不同的历史记忆呈现。
- 方法要点：通过分析多种语言模型在不同语言中的响应，揭示语言如何影响历史人物的可见性和认知。
- 实验或效果：研究结果表明，语言模型在不同语言中对历史人物的提及存在显著差异，尤其是低地位发明者的可见性。
📝 摘要（中文）
本研究探讨了历史发明归属问题如何受到语言和视角的影响。通过分析11种广泛使用的大语言模型在21个有争议的发明和发现上的表现，研究发现，查询语言系统性地影响了不同历史人物的出现概率。较低地位的发明者在其相关语言中更可能被提及，而主导的英语人物则在不同语言中保持稳定。这表明语言作为一种开关，激活了不同国家版本的历史，从而产生了系统性不同的国家记忆。
🔬 方法详解
问题定义：本研究旨在探讨大语言模型在处理历史发明归属时，如何受到语言和文化背景的影响。现有方法未能充分考虑语言对历史认知的影响，导致对同一问题的回答存在偏差。
核心思路：论文通过分析不同语言模型在多种语言中的表现，揭示语言如何系统性地影响历史人物的提及概率。研究认为，语言作为一种文化记忆的载体，决定了哪些历史被激活和可见。
技术框架：研究分析了11种大语言模型，评估了它们在21个有争议的发明和发现上的表现，涵盖12种语言和75,896个响应。主要模块包括数据收集、模型评估和结果分析。
关键创新：本研究的创新在于系统性地揭示了语言对历史认知的影响，提出大语言模型作为文化记忆的分布式系统，挑战了传统的历史叙述方式。
关键设计：研究控制了响应长度、模型差异、历史显著性和国家纪念水平等因素，确保结果的可靠性和有效性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，较低地位的发明者在其相关语言中被提及的概率显著提高，而主导的英语人物在不同语言中保持稳定。这一发现表明，语言模型在不同语言中的响应存在系统性差异，强调了语言对历史记忆的塑造作用。
🎯 应用场景
该研究的潜在应用领域包括教育、历史研究和文化传播等。通过理解语言对历史认知的影响，可以更好地设计教育内容和历史叙述，促进多元文化的理解与交流。未来，这一研究还可能影响大语言模型的训练和应用，推动其在跨文化交流中的应用。
📄 摘要（原文）
Who invented the radio, Russia's Alexander Popov or Italy's Guglielmo Marconi? Was the telephone the achievement of Bell in the United States or Meucci in Italy? Does printing belong to China's Bi Sheng or Germany's Gutenberg? The answer depends not only on historical record but also on language and perspective. We analyse eleven widely used large language models across 21 disputed inventions and discoveries, evaluated in twelve languages and 75,896 responses. While models generally acknowledge that credit is contested, query language systematically affects which claimant is surfaced. Lower-status claimants are more likely to appear when questions are asked in their associated language, whereas dominant Anglophone figures remain stable across languages. These patterns persist after controlling for response length, model differences, historical prominence, and levels of national commemoration. Language thus acts as a switch that activates different national versions of the same history, producing systematically different national memories from the same question. We interpret this as evidence that large language models function as distributed systems of cultural memory, where language conditions which histories become visible, contributing to a computational form of banal nationalism.