Studio rivela un pregiudizio centrato sugli Stati Uniti nei modelli linguistici multilingue di IA

Un articolo di ricerca pubblicato su arXiv (ID: 2604.19292v1) introduce LocQA, un nuovo set di test progettato per misurare i pregiudizi nei grandi modelli linguistici multilingue (LLM). Il dataset contiene 2.156 domande ambigue a livello locale in 12 lingue, che coprono fatti su leggi, date e misure che variano a seconda della regione. Queste domande omettono intenzionalmente indicatori espliciti di località, costringendo i modelli a fare affidamento su presupposti impliciti. I ricercatori hanno valutato 32 diversi LLM utilizzando questa metodologia. Lo studio ha identificato due distinti pregiudizi strutturali all'interno di questi sistemi di IA. L'analisi interlinguistica ha rivelato un marcato pregiudizio globale verso risposte rilevanti per gli Stati Uniti, anche quando le domande erano poste in lingue diverse dall'inglese. Ciò dimostra come la conoscenza e le norme culturali possano propagarsi attraverso i confini linguistici all'interno dei sistemi di IA, nonostante i progressi nella fluidità multilingue. Il lavoro mira a quantificare sia i pregiudizi interlinguistici che intralinguistici dei modelli attraverso le loro prestazioni su domande geografiche ambigue.