My Chiffon Nguyen,Tianyi Hu,Vinod Anbalagan,Henry Gagnier,Pouya Sadeghi,Farah Abdou,Tidor-Vlad Pricope,Diego MMS Oliveira,Jocelyn K D'Arcy,Madeline Smith,Oluwaseun A Ajayi,Yusser Al Ghussin,Zena Al-Khalili,Micol Altomare,Shayan Amir,Ahanaf Aziz,Bryan Chen,Ruchira Dhar,Abdellah El Mekki,Rawan Mohammed Elframawy,Akhil Eppa,Silvia Fernandez,Alex Gimei,Arya Hariharan,Christian Hoang,RamMohanRao Kadiyala,Diana Kozachek,Peerat Limkonchotiwat,Ankita Maity,Di Mo,Ayush Munot,Aylin Naebzadeh,Anastasiia Nikitina,Dina Pisarevskaya,Divas Poudel,Jebish Purbey,Md Rabius Sany Apu,Ahmad Mufli Ramadhan,Ralitza Nikolova Rizova,Diogo M. Serrano-Miranda,Vivek Gopalkrishna Silimkhan,Luis Fernando Solis Navarro,Kaiser Sun,Arya Suneesh,Manaswitha Sunkara,Tejaswi Sunkara,Jonathan E Swindell,Hanna Yukhymenko,Jingyi Zheng,Esther Adenuga,Ilia Afanasev,Wafa Aissa,Lisa Alazraki,Lauren C Altomare,Priscilla Amondi Amuok,Emile Anand,Gabriel Assis,José Matías Avalos,Silvia Lorena Avila,Zakaria Baannou,Niyati Bafna,Yash Bagla,Sarah Bahrami,Bontu F Balcha,Vanya Bannihatti Kumar,Irene Baucells,Abdumutalib Begmuratov,Naman Bhatia,Souvik Bhattacharyya,Isabel Blanco Ferreiro,Felipe Bochini,Sayuru Bopitiya,Angana Borah,Tulika Bose,Olena Bugaiova,Juliana Carvalho,Nancy F Chen,Stephy Chen,Rochelle Choenni,Jayanth Krishna Chundru,Leandro A Cossio,Nebojša Damnjanović,Ona de Gibert,Marco De Santis,Pedro Delgado,Kaustubh Dholé,Adnan El Assadi,Wesam El-Sayed,Nadine M Elframawy,Oumayma Essarhi,Naome A Etori,Reuben Chagas Fernandes,Saanidhi Pravin Gade,Javier García Gilabert,Álvaro González-Escapa,Bin Hu,Kaiyu Huang,Abderrahmane Issam,Danka Jokić,Ulugbek Khalilov,Dominik Krzemiński,Roy Ka-Wei Lee,Haichang Li,Chen Cecilia Liu,Zhengyuan Liu,Cedric Lothritz,Houman Mehrafarin,Antonio Miranda-Escalada,Fengran Mo,Mehrnaz Mofakhami,Wafaa Mohammed,Felipe Moreno-Vera,Prahitha Movva,Jannatul Nayem,Van Ngo,Joy Olusanya,Marc Pàmies,Avinash Kuney Pandey,Yurii Paniv,Fred Philippy,Vladislav Poritski,Dikshya Poudel,Joanna Radoła,Sara Rajaee,Swati Rajwal,Prerana Rane,Muhammad Ravi Shulthan Habibi,Lucas Resck,Shubhashis Roy Dipta,Ananya Sahu,Eduardo Sánchez,Borja Sánchez Clemente,Aleix Sant,Nobin Sarwar,Istiak Shihab,Santhoshini Pranathi Singaraju,Jane Smith,David Stap,Emily Z Su,Ananth K Suresh,Sajag Swami,Ruiyang Tan,Nazia Tasnim,Khalid Tounoussi,Patteera Triamamornwooth,Muhammad Saad Umar,Shankar Venkitachalam,Oksana Volchek,Lingbo Wang,Debela Desalegn Yadeta,Rushikesh Zawar,Jinghan Zhang,Mike Zhang,Weihua Zheng,Marzieh Fadaee,Akhil Arora,Károly Boczka,Julia Kreutzer
My Chiffon Nguyen,Tianyi Hu,Vinod Anbalagan,Henry Gagnier,Pouya Sadeghi,Farah Abdou,Tidor-Vlad Pricope,Diego MMS Oliveira,Jocelyn K D'Arcy,Madeline Smith,Oluwaseun A Ajayi,Yusser Al Ghussin,Zena Al-Khalili,Micol Altomare,Shayan Amir,Ahanaf Aziz,Bryan Chen,Ruchira Dhar,Abdellah El Mekki,Rawan Mohammed Elframawy,Akhil Eppa,Silvia Fernandez,Alex Gimei,Arya Hariharan,Christian Hoang,RamMohanRao Kadiyala,Diana Kozachek,Peerat Limkonchotiwat,Ankita Maity,Di Mo,Ayush Munot,Aylin Naebzadeh,Anastasiia Nikitina,Dina Pisarevskaya,Divas Poudel,Jebish Purbey,Md Rabius Sany Apu,Ahmad Mufli Ramadhan,Ralitza Nikolova Rizova,Diogo M. Serrano-Miranda,Vivek Gopalkrishna Silimkhan,Luis Fernando Solis Navarro,Kaiser Sun,Arya Suneesh,Manaswitha Sunkara,Tejaswi Sunkara,Jonathan E Swindell,Hanna Yukhymenko,Jingyi Zheng,Esther Adenuga,Ilia Afanasev,Wafa Aissa,Lisa Alazraki,Lauren C Altomare,Priscilla Amondi Amuok,Emile Anand,Gabriel Assis,José Matías Avalos,Silvia Lorena Avila,Zakaria Baannou,Niyati Bafna,Yash Bagla,Sarah Bahrami,Bontu F Balcha,Vanya Bannihatti Kumar,Irene Baucells,Abdumutalib Begmuratov,Naman Bhatia,Souvik Bhattacharyya,Isabel Blanco Ferreiro,Felipe Bochini,Sayuru Bopitiya,Angana Borah,Tulika Bose,Olena Bugaiova,Juliana Carvalho,Nancy F Chen,Stephy Chen,Rochelle Choenni,Jayanth Krishna Chundru,Leandro A Cossio,Nebojša Damnjanović,Ona de Gibert,Marco De Santis,Pedro Delgado,Kaustubh Dholé,Adnan El Assadi,Wesam El-Sayed,Nadine M Elframawy,Oumayma Essarhi,Naome A Etori,Reuben Chagas Fernandes,Saanidhi Pravin Gade,Javier García Gilabert,Álvaro González-Escapa,Bin Hu,Kaiyu Huang,Abderrahmane Issam,Danka Jokić,Ulugbek Khalilov,Dominik Krzemiński,Roy Ka-Wei Lee,Haichang Li,Chen Cecilia Liu,Zhengyuan Liu,Cedric Lothritz,Houman Mehrafarin,Antonio Miranda-Escalada,Fengran Mo,Mehrnaz Mofakhami,Wafaa Mohammed,Felipe Moreno-Vera,Prahitha Movva,Jannatul Nayem,Van Ngo,Joy Olusanya,Marc Pàmies,Avinash Kuney Pandey,Yurii Paniv,Fred Philippy,Vladislav Poritski,Dikshya Poudel,Joanna Radoła,Sara Rajaee,Swati Rajwal,Prerana Rane,Muhammad Ravi Shulthan Habibi,Lucas Resck,Shubhashis Roy Dipta,Ananya Sahu,Eduardo Sánchez,Borja Sánchez Clemente,Aleix Sant,Nobin Sarwar,Istiak Shihab,Santhoshini Pranathi Singaraju,Jane Smith,David Stap,Emily Z Su,Ananth K Suresh,Sajag Swami,Ruiyang Tan,Nazia Tasnim,Khalid Tounoussi,Patteera Triamamornwooth,Muhammad Saad Umar,Shankar Venkitachalam,Oksana Volchek,Lingbo Wang,Debela Desalegn Yadeta,Rushikesh Zawar,Jinghan Zhang,Mike Zhang,Weihua Zheng,Marzieh Fadaee,Akhil Arora,Károly Boczka,Julia Kreutzer

As LLMs expand their language coverage, evaluating how well they understand and represent diverse cultures becomes increasingly important. However, many benchmarks remain English-centric, with limited cultural coverage and a focus on factual knowledge over its application in real-world cultural contexts. We propose CulturalRiddles, a benchmark of original, culturally grounded riddles created entirely by humans through a participatory community effort, spanning 62 cultures (45 countries, 51 languages). These riddles are deeply rooted in their respective cultures and require abductive and compositional reasoning, alongside detailed factual and social knowledge, language skills, and an understanding of culturally specific associations. We benchmark 28 LLM configurations using both automatic and large-scale human evaluation. Even frontier models achieve at most 22% accuracy in some communities. We publicly release all artifacts alongside an open contribution process to expand the benchmark's linguistic and cultural coverage.


翻译:暂无翻译

0
下载
关闭预览

相关内容

《使用生成式大语言模型进行多语言事件提取》最新85页
《大型语言模型自然语言生成评估》综述
专知会员服务
72+阅读 · 2024年1月20日
中文自然语言处理数据集:ChineseNLPCorpus
AINLP
35+阅读 · 2019年6月21日
强化学习三篇论文 避免遗忘等
CreateAMind
20+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
NLP Chinese Corpus:大规模中文自然语言处理语料
PaperWeekly
14+阅读 · 2019年2月18日
读书报告 | CN-DBpedia: A Chinese Knowledge Extraction System
科技创新与创业
19+阅读 · 2018年1月4日
语料库构建——自然语言理解的基础
计算机研究与发展
11+阅读 · 2017年8月21日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
VIP会员
最新内容
《面向国防领域的大语言模型基准测试与适配》
专知会员服务
16+阅读 · 10月28日
世界模型入门:从序贯决策到通用智能体
专知会员服务
17+阅读 · 10月24日
相关资讯
中文自然语言处理数据集:ChineseNLPCorpus
AINLP
35+阅读 · 2019年6月21日
强化学习三篇论文 避免遗忘等
CreateAMind
20+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
NLP Chinese Corpus:大规模中文自然语言处理语料
PaperWeekly
14+阅读 · 2019年2月18日
读书报告 | CN-DBpedia: A Chinese Knowledge Extraction System
科技创新与创业
19+阅读 · 2018年1月4日
语料库构建——自然语言理解的基础
计算机研究与发展
11+阅读 · 2017年8月21日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员