LKValues：大语言模型与斯里兰卡社会价值观的对齐

研究者提出 LKValues，第一个基于斯里兰卡社会调查的价值对齐资源套件，包含来自205名受访者的40项多数认可价值观、15万条双语指令数据集 LKvaluesIT 和1000条评估基准 LKvaluesBench。微调 Qwen3.5-4B-Base、Qwen3.5-9B-Base 和 Aya-Expanse-8B-Base 后，Qwen 系列模型在英语和僧伽罗语上减少了无效输出和跨语言差距，但效果依赖模型家族。

此前缺乏针对斯里兰卡语境的文化价值对齐资源和评估基准，现有方法忽略僧伽罗语和本地社会价值观。LKValues 首次提供调查驱动的价值观数据集和评估工具，填补了低资源多语国家的文化对齐空白。

通过三语调查结合全球框架与 LLM 引导的本地构造提取社会价值观，据此构建新闻派生指令及评估基准。微调模型时，在正向样本上优化以鼓励符合当地价值观的输出，从而减少文化偏差和无效回复，但收益因模型架构而异。

面向斯里兰卡的产品开发者可直接使用 LKValuesIT 进行模型微调，或借助 LKvaluesBench 评估文化对齐程度；但效果依赖所选基础模型（如 Qwen 系列较受益，Aya 系列无明显提升），需针对性选择模型并验证通用能力损失。

• 基于 LKValues 数据集开发面向斯里兰卡市场的客服或教育对话 AI，减少文化冒犯行为。
• 将 LKValues 的 pipeline 复制到孟加拉、尼泊尔等其他南亚低资源语言国家，构建本地化价值观对齐数据。
• 在商业闭源模型（如 GPT-4）的评估中使用 LKvaluesBench 识别偏见，并通过提示工程进行临时调优。

• LKValues 微调在多大程度上影响了模型的通用语言能力（如推理、事实性）？
• 该 pipeline 能否成功迁移到其他低资源多语国家，尤其当当地价值观差异较大时？
• 数据集中的 40 项价值观是否随时间稳定，是否需要定期更新调查？
• 对闭源模型（如 GPT-4）是否支持仅通过外部提示或插件实现类似对齐效果？