Los investigadores presentan PLURAL, un conjunto de datos de preferencias a gran escala diseñado para ayudar a los modelos de lenguaje grandes a reflejar valores globales diversos en lugar de predominantemente occidentales. El conjunto de datos se basa en la Encuesta Integrada de Valores, que abarca 92 países, y contiene aproximadamente 500.000 tríos de preferencias sintéticas que representan a personas de 20 naciones diversas.

  • PLURAL transforma respuestas de encuestas representativas nacionales en escenarios realistas que preservan señales de valores normativos.
  • La validación a nivel de conjunto de datos confirma que preserva tanto las diferencias entre países como la diversidad dentro del país del estudio original.
  • La evaluación automática muestra que entrenar con PLURAL reduce el error absoluto medio en la alineación del perfil cultural hasta un 27,7% en comparación con líneas base sólidas.
  • Evaluaciones humanas a ciegas con 176 participantes en India, Brasil y Japón calificaron las respuestas alineadas con PLURAL como más representativas de sus valores nacionales.

Los autores consideran esto importante porque ofrece un recurso escalable para la alineación pluralista, permitiendo que los modelos representen mejor diversos sistemas de valores a nivel global.