Resumen: La integración de modelos de idiomas grandes (LLM) en aplicaciones globales requiere una alineación cultural efectiva para interacciones significativas y culturalmente sensibles. Los LLM actuales a menudo carecen de la comprensión matizada requerida para diversos contextos culturales, y adaptarlos generalmente implica un ajuste costoso y completo. Para abordar esto, introducimos un nuevo marco de ajuste fino de inmediato suave que permite una alineación cultural eficiente y modular. Nuestro método utiliza un ajuste de inmediato vectorizado para enrutar dinámicamente las consultas a un comité de configuraciones de LLM ‘experta’ culturalmente especializadas, creadas mediante la optimización de integridades de inmediato sin alterar los parámetros del modelo base. Experimentos extensos demuestran que nuestro marco mejora significativamente la sensibilidad cultural y la adaptabilidad, mejorando los puntajes de alineación de 0.208 a 0.820, ofreciendo una solución robusta para el despliegue de LLM consciente de la cultura. Esta investigación allana el camino para las investigaciones posteriores sobre cobertura cultural mejorada y adaptación dinámica de expertos, crucial para realizar una IA autónoma con una comprensión profundamente matizada en un mundo interconectado globalmente.
Publicado Originalme en rss.arxiv.org El 2 de junio de 2025.
Ver Fuente Original
