AI 模型集體「偏心」，文化答案首選日本與美國
歐洲研究團隊最新發表的一篇研究指出，部分大型語言模型（LLM）在回答文化相關問題時，會異常頻繁地將答案導向日本文化；即使排除與提問語言直接相關的國家後，模型仍明顯偏向日本與美國。這項研究由西班牙巴斯克大學（University of the Basque Country）、英國卡地夫大學（Cardiff University）等機構學者共同完成，並透過自建資料集與多款主流模型測試，揭示生成式 AI 可能存在隱性的文化與地域偏差。
研究團隊建立名為「Culture-Related Open Questions，CROQ）」的資料集，收錄 24 種語言、共 31,680 個開放式文化問題，題目涵蓋傳統舞蹈、日常飲食等，刻意不指定任何國家或地點。
受測模型包括 GPT-4o-mini、Gemini 2.5 Flash、Claude 3.5 Haiku、Llama-4 Maverick、Command-R 08-2024、Magistral-small-2506、DeepSeek-v3.2-exp 以及 Qwen3-next-80b-a3-b-instruct。結果顯示，當模型被要求自行選擇回答場景時，常傾向將提問語言所屬國家做為文化背景；而在排除這層直接連結後，日本與美國則成為最常被提及的國家，其中日本偏好尤為明顯，在 8 個模型中有 6 個將日本列為最常引用的國家。
研究也進一步追查偏差可能出現在哪個訓練階段。以開放模型進行的追加實驗發現，基礎模型（Base Model）在事前學習階段對各國文化的參照相對分散、較為平衡；但經過事後學習後，回答分布明顯收斂，對日本與美國的偏重隨之加劇。研究團隊因此認為，原本被視為提升模型實用性與安全性的微調流程，可能在文化語境中帶來副作用，讓 AI 的輸出變得更單一，進一步壓縮全球文化的多樣性。
（首圖來源：shutterstock）