CCD-Bench: Probing Cultural Conflict in Large Language Model Decision-Making

该文章提出了首个评估大型语言模型（LLMs）跨文化价值冲突决策能力的基准CCD-Bench，通过实验揭示了当前LLMs存在西方中心主义偏好等问题，为LLMs的文化多元性优化提供了关键参考。

一、文章主要内容总结

1. 研究背景：现有LLMs评估基准多聚焦文化知识、单一价值预测或单维度偏见检测，未涉及多文化价值直接冲突时的决策能力，而LLMs在实际应用中常需应对此类场景（如家庭责任分配、职场沟通等）。
2. CCD-Bench构建：包含2182个开放式困境，覆盖艺术、教育、家庭等7个领域，每个困境搭配10个匿名回答选项，对应GLOBE框架下代表62个社会的10个文化集群；采用分层拉丁方设计避免选项顺序影响，并经人类验证确保选项文化真实性。
3. 实验与发现：评估17个主流非推理LLMs，发现三大核心规律：
   • 文化偏好失衡：LLMs显著偏好北欧（平均20.2%）和日耳曼欧洲（12.4%）文化，东欧（5.6%）和中东北非（5.8%）文化选择率极低。
   • 价值维度局限：87.9%的决策理由提及2个以上GLOBE维度，但多集中于“未来导向”和“绩效导向”，“果断性”和“性别平等”提及率均低于3%。
   • 聚类与顺序影响：LLMs的文化偏好聚类由开发者谱系决定，与地理来源无关；分层拉丁方设计有效控制了选项顺序影响（Cramér’s V<0.10）。