Same Lesson, Different Story: Cross-Lingual Reconstruction of Cultural Narratives in Large Language Models

📄 arXiv: 2606.24610v1 📥 PDF

作者: Jory Alshaalan, Haya Albaker, Abeer Aldayel, Aljawharah Alabdullatif, Rehab Alahmadi

分类: cs.CL

发布日期: 2026-06-23

备注: This paper is under review

💡 一句话要点

提出多语言评估框架以解决文化叙事重建问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 文化叙事 多语言模型 语义保持 跨文化交流 谚语生成

📋 核心要点

  1. 现有大型语言模型在处理不同文化传达相同道德教训时，难以保持文化根植的意义。
  2. 本文提出了一种多语言评估框架，通过414个谚语的跨语言集合，评估模型在不同文化形式下的叙事生成能力。
  3. 实验结果显示，跨语言提示能够有效保持语义意义，并在不同模型间观察到强收敛性，表明共享的语义抽象存在。

📝 摘要（中文）

文化根植背景的评估在不同文化传达相同道德教训时变得复杂。本文研究了大型语言模型（LLMs）在多语言和文化背景下生成叙事的能力，提出了一种多语言评估叙事框架，整合了414个跨语言谚语。通过使用语义等价的谚语作为文化根植提示，分析了模型在不同语言间是否保持意义，以及跨语言条件如何影响叙事实现。结果表明，跨语言提示在很大程度上保持了谚语级别的语义意义，同时系统性地重新分配了叙事中的代理、社会定位和结构。不同模型家族在单语和跨语境下的强收敛性表明，多语言LLMs依赖于共享的语义抽象，尽管存在架构和语言差异。这些发现强调了对文化根植的更全面评估的必要性。

🔬 方法详解

问题定义：本文旨在解决大型语言模型在不同文化背景下生成叙事时，是否能够保持文化根植意义的问题。现有方法在评估文化传达时，往往忽视了文化表达的多样性和复杂性。

核心思路：研究通过构建一个多语言评估框架，使用414个跨语言谚语作为文化根植提示，分析模型在生成叙事时的语义保持情况及其影响因素。

技术框架：整体框架包括数据收集、模型生成和结果分析三个主要模块。首先，收集多语言谚语数据；其次，使用四种大型语言模型生成叙事；最后，分析生成的叙事与原谚语的语义一致性。

关键创新：本研究的创新点在于提出了一个系统的多语言评估框架，强调了跨语言提示在保持语义一致性方面的重要性，并揭示了不同模型间的语义收敛性。

关键设计：在实验中，使用了语义等价的谚语作为提示，设计了相应的评估指标来衡量叙事的语义保持程度，并对模型的生成结果进行了系统的定量和定性分析。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，跨语言提示在保持谚语级别的语义意义方面表现良好，且在不同模型间观察到强收敛性。在单语和跨语境下，模型生成的叙事在语义保持上具有显著一致性，表明多语言LLMs依赖于共享的语义抽象。

🎯 应用场景

该研究的潜在应用领域包括跨文化交流、教育和多语言内容生成等。通过更好地理解和评估文化叙事的生成，能够提升多语言模型在文化敏感性方面的表现，促进不同文化间的理解与交流，具有重要的实际价值和未来影响。

📄 摘要（原文）

The evaluation of cultural grounding context becomes complex when multiple cultures convey the same moral lesson. This challenge is particularly relevant to large language models (LLMs), which produce narratives across a wide range of languages and cultural contexts. However, it remains uncertain whether these models preserve culturally grounded meaning when equivalent moral lessons are conveyed through distinct cultural forms. This study introduces a multilingual evaluation narrative framework that integrates a cross-linguistic collection of 414 proverbs spanning 15 languages and uses four LLMs to generate 13k narratives. By employing semantically equivalent proverbs as culturally grounded prompts, the analysis assesses whether models preserve meaning across languages, how cross-lingual conditioning influences narrative realization, and whether different model families converge on similar interpretations. Results indicate that cross-lingual prompting largely preserves proverb-level semantic meaning while systematically redistributing agency, social positioning, and narrative structure. Additionally, strong inter-model convergence is observed in both monolingual and cross-lingual settings, suggesting that multilingual LLMs rely on shared semantic abstractions despite architectural and linguistic differences. These findings shed light on the need for more comprehensive evaluations of cultural grounding. Relying exclusively on semantic similarity in multilingual narrative assessments may overestimate cultural preservation by neglecting culturally meaningful variations in narrative expression.