💬 NLP

Mitigating Cross-Lingual Cultural Inconsistencies in LLMs via Consensus-Driven Preference Optimisation

यह शोध पत्र बहुभाषी LLMs में क्रॉस-लिंगुअल सांस्कृतिक विसंगतियों को मापने के लिए सिंगलटन फ्लेस $\kappa_S$ मीट्रिक प्रस्तुत करता है और C-3PO फ्रेमवर्क का प्रस्ताव करता है, जो विभिन्न भाषाओं में एक निश्चित व्यक्तित्व (persona) के साथ मॉडल आउटपुट को संरेखित करने के लिए सर्वसम्मति-संचालित प्राथमिकता अनुकूलन (consensus-driven preference optimization) का उपयोग करता है, जिससे प्रॉम्प्ट की भाषा द्वारा उपयोगकर्ता-निर्धारित सांस्कृतिक पहचान को ओवरराइट करने की प्रवृत्ति को प्रभावी ढंग से कम किया जा सके।

मूल लेखक: Lucas Resck, Isabelle Augenstein, Anna Korhonen

प्रकाशित 2026-05-14

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Lucas Resck, Isabelle Augenstein, Anna Korhonen

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ "Mitigating Cross-Lingual Cultural Inconsistencies in LLMs via Consensus-Driven Preference Optimisation" शोध पत्र का सरल अवधारणाओं और रोज़मर्रा के उदाहरणों के साथ हिंदी अनुवाद दिया गया है।

मुख्य समस्या: "गिरगिट" वाली उलझन (The "Chameleon" Confusion)

कल्पना कीजिए कि आपने एक पर्सनल असिस्टेंट रखा है जिसे बिल्कुल आपकी तरह व्यवहार करना है। आप उसे कहते हैं, "मैं ब्रिटिश हूँ, और मुझे ब्रिटिश इतिहास पसंद है।"

परिदृश्य A: आप उससे अंग्रेजी में पूछते हैं: "Who is the most famous writer studied in school?" वह कहता है, "Shakespeare." (बेहतरीन, यह आपकी पहचान से मेल खाता है)।
परिदृश्य B: आप वही सवाल स्पेनिश में पूछते हैं: "¿Qué escritor se estudia en la escuela?" वह कहता है, "Cervantes."

समस्या: भले ही आपने उसे बताया कि आप ब्रिटिश हैं, लेकिन जैसे ही उसने भाषा बदली, वह भूल गया कि आप कौन हैं और एक स्पेनिश व्यक्ति की तरह व्यवहार करने लगा। उसने आपके व्यक्तित्व के ऊपर भाषा को प्राथमिकता दे दी।

शोध पत्र इसे क्रॉस-लिंगुअल कल्चरल इनकंसिस्टेंसी (CCI) कहता है। यह एक गिरगिट की तरह है जो न केवल पृष्ठभूमि से मेल खाने के लिए अपना रंग बदलता है, बल्कि उस भाषा से भी मेल खाने लगता है जो आप बोल रहे हैं, भले ही आपने उसे एक विशिष्ट रंग बनाए रखने के लिए कहा हो।

समाधान: गड़बड़ी को मापने का एक नया तरीका

इस समस्या को ठीक करने से पहले, लेखकों को यह मापने के तरीके की आवश्यकता थी कि AI कितना भ्रमित था। मानक परीक्षण अक्सर विफल हो जाते हैं क्योंकि यदि AI कोई गलत उत्तर (hallucination) बनाता है, तो वह अभी भी सुसंगत लग सकता है यदि वह हर भाषा में एक ही गलत उत्तर बनाता है।

उपमा (Analogy): कल्पना कीजिए कि एक कक्षा में छात्रों से उनका पसंदीदा फल चुनने के लिए कहा जाता है।

पुराना तरीका: यदि हर कोई "केला" चुनता है, तो शिक्षक सोचता है कि वे सहमत हैं। लेकिन क्या होगा अगर शिक्षक के पास वास्तव में केले थे ही नहीं? छात्रों ने बस एक ही गलत चीज़ का अनुमान लगाया।
पेपर का नया तरीका (Singleton Fleiss's $\kappa_S$ ): यह एक विशेष स्कोरिंग सिस्टम है जो हर "गलत" या "बनाई गई" उत्तर को एक अद्वितीय, एक-मात्र त्रुटि के रूप में मानता है। यदि AI अंग्रेजी में "Banana" कहता है लेकिन स्पेनिश में "Flying Pizza" कहता है, तो स्कोर गिर जाता है। यदि वह दोनों में "Flying Pizza" कहता है, तो भी स्कोर कम रहता है क्योंकि यह अभी भी एक मतिभ्रम (hallucination) है। यह सुनिश्चित करता है कि AI वास्तव में वास्तविकता के प्रति सुसंगत है, न कि केवल अपनी गलतियों को दोहरा रहा है।

सुधार: C-3PO (द "ग्रुप कंसेंसस" कोच)

लेखकों ने एक नई प्रशिक्षण पद्धति बनाई जिसे C-3PO (Cross-lingual Cultural Consistent Preference Optimisation) कहा जाता है।

यह कैसे काम करता है (उपमा):
कल्पना कीजिए कि आप एक छात्र को सही उत्तर देने के लिए सिखाने की कोशिश कर रहे हैं, लेकिन आपके पास सही उत्तरों वाली कोई पाठ्यपुस्तक नहीं है। इसके बजाय, आप छात्र से उसी प्रश्न को 8 अलग-अलग भाषाओं में पूछते हैं।

मतदान (The Poll): आप छात्र से पूछते हैं: "उत्तर क्या है?" अंग्रेजी, स्पेनिश, चीनी, आदि में।
वोट (The Vote): आप उन 8 उत्तरों को देखते हैं। यदि 8 में से 5 भाषाएँ "Shakespeare" कहती हैं, तो वह "कंसेंसस" (समूह का सबसे अच्छा अनुमान) बन जाता है।
सुधार (The Correction):
- यदि छात्र अंग्रेजी में "Shakespeare" उत्तर देता है, तो आप कहते हैं, "अच्छा काम किया, इसे जारी रखें।"
- यदि छात्र स्पेनिश में "Cervantes" उत्तर देता है (क्योंकि भाषा ने उसे भ्रमित कर दिया), तो आप कहते हैं, "नहीं, यह गलत है। समूह ने 'Shakespeare' के लिए वोट दिया है। आपको समूह के साथ तालमेल बिठाने की आवश्यकता है।"
प्रशिक्षण (The Training): फिर AI को "ग्रुप कंसेंसस" उत्तर को "भाषा-विशिष्ट" उत्तर के बजाय प्राथमिकता देने के लिए फिर से प्रशिक्षित किया जाता है। यह सीखता है कि आप चाहे कोई भी भाषा बोलें, यदि उपयोगकर्ता की पहचान निश्चित है, तो उत्तर समान रहना चाहिए।

मुख्य निष्कर्ष: किसे सबसे अधिक नुकसान होता है?

शोध पत्र ने पाया कि यह "गिरगिट वाली उलझन" सभी के लिए समान नहीं है।

समृद्ध भाषाएँ (The Rich Languages): अंग्रेजी, स्पेनिश और चीनी जैसी भाषाएँ (जिनका इंटरनेट पर बहुत अधिक डेटा है) कम भ्रमित होती हैं। AI उन्हें बेहतर तरीके से संभालता है।
निर्धन भाषाएँ (The Poor Languages): इंडोनेशियाई, फारसी और ग्रीक जैसी भाषाएँ (जिनका डेटा कम है) बहुत अधिक पीड़ित होती हैं। AI के इस बात की संभावना बहुत अधिक होती है कि वह उपयोगकर्ता की पहचान भूल जाए और उस भाषा में बोलते समय रूढ़ियों (stereotypes) पर आधारित व्यवहार करने लगे।
- उपमा: यह एक ऐसे छात्र की तरह है जो अपनी मातृभाषा में गणित में बहुत अच्छा है, लेकिन जब उसे किसी ऐसी भाषा में गणित करने के लिए कहा जाता है जिसका उसने अभ्यास कम किया है, तो वह पूरी तरह से खो जाता है और अंदाजे लगाने लगता है।

यह क्यों होता है? (गहन विश्लेषण)

लेखकों ने AI के "मस्तिष्क" (इसके आंतरिक परतों) के अंदर देखा कि यह गलती कब होती है।

खोज:
उन्होंने पाया कि सोचने के शुरुआती चरणों में, AI केवल शब्दों को प्रोसेस कर रहा होता है। लेकिन जैसे-जैसे वह अंतिम उत्तर देने के करीब पहुँचता है (बाद की परतों में), वह अचानक उस सांस्कृतिक रूढ़ि (cultural stereotype) पर "लॉक" हो जाता है जो उस भाषा से जुड़ी होती है।

उपमा: यह एक यात्री की तरह है जो अपने देश के मानचित्र के साथ यात्रा शुरू करता है। जैसे-जैसे वह सड़क पर आगे बढ़ता है, वह अपने मानचित्र को अनदेखा करने लगता है और स्थानीय संकेतों का पालन करने लगता है, अंततः वह भूल जाता है कि वह कहाँ से शुरू हुआ था। AI बोलने से ठीक पहले उपयोगकर्ता के व्यक्तित्व को "भूल" जाता है।

सारांश

यह शोध पत्र तर्क देता है कि जब आप स्पष्ट रूप से AI को बताते हैं कि आप कौन हैं, तो उसे आपकी भाषा बदलने से अपने उत्तर नहीं बदलने चाहिए। उन्होंने एक नया टूल बनाया है जिससे यह मापा जा सके कि AI इसमें कब विफल होता है, और उन्होंने एक प्रशिक्षण पद्धति (C-3PO) बनाई है जो AI को अपने ही बहुभाषी उत्तरों के "बहुमत के वोट" को सुनने के लिए मजबूर करती है, प्रभावी रूप से उसे भाषा के जाल को अनदेखा करने और उपयोगकर्ता की पहचान पर टिके रहने के लिए सिखाती है।

तकनीकी सारांश: सर्वसम्मति-संचालित प्राथमिकता अनुकूलन के माध्यम से LLMs में क्रॉस-लिंगुअल सांस्कृतिक विसंगतियों को कम करना

1. समस्या की परिभाषा: क्रॉस-लिंगुअल कल्चरल इनकंसिस्टेंसी (CCI)

बहुभाषी लार्ज लैंग्वेज मॉडल्स (MLLMs) अक्सर तब असंगत व्यवहार प्रदर्शित करते हैं जब प्रॉम्प्ट की भाषा बदल जाती है, भले ही उपयोगकर्ता की पहचान स्पष्ट रूप से परिभाषित हो। जबकि MLLMs को आम तौर पर इनपुट भाषा के अनुसार सांस्कृतिक रूप से अनुकूल होने के लिए डिज़ाइन किया गया है, यह एक विशिष्ट यूजर परसोना (जैसे, "उपयोगकर्ता ब्रिटिश है") प्रदान किए गए सीमित संदर्भों में एक गंभीर विफलता बन जाता है।

ऐसे परिदृश्यों में, मॉडल अक्सर स्पष्ट परसोना निर्देश को अनदेखा कर देता है और प्रॉम्प्ट की भाषा से जुड़े सांस्कृतिक रूढ़िवादी विचारों (stereotypes) को अपना लेता है। उदाहरण के लिए, एक निश्चित ब्रिटिश परसोना और साहित्य के बारे में एक अस्पष्ट प्रश्न दिए जाने पर, एक अंग्रेजी प्रॉम्प्ट "शेक्सपियर" को प्रेरित कर सकता है, जबकि एक स्पेनिश प्रॉम्प्ट "सर्वांटेस" को प्रेरित कर सकता है। यह घटना, जिसे क्रॉस-लिंगुअल कल्चरल इनकंसिस्टेंसी (CCI) कहा जाता है, निर्देश पालन (instruction following) की एक विफलता है जहाँ भाषा-संचालित निहित वैयक्तिकरण (implicit language-driven personalisation), स्पष्ट उपयोगकर्ता-संचालित बाधाओं पर हावी हो जाता है। यह शोध पत्र तर्क देता है कि यह विसंगति केवल एक प्रदर्शन अंतराल नहीं है, बल्कि मॉडल के निरूपणों (representations) के भीतर भाषा और संस्कृति के घनिष्ठ जुड़ाव से प्रेरित एक सिमेंटिक विचलन है।

2. कार्यप्रणाली (Methodology)

2.1 डेटासेट निर्माण

CCI का व्यवस्थित मूल्यांकन करने के लिए, लेखकों ने BLEnD बेंचमार्क (Myung et own., 2024) से व्युत्पन्न एक समानांतर बहुभाषी डेटासेट बनाया।

स्रोत: BLEnD के मल्टीपल-चॉइस क्वेश्चन (MCQ) सबसेट को इसके विविक्त उत्तर स्थान (discrete answer space) के कारण चुना गया, जो सहमति मेट्रिक्स को सुगम बनाता है।
भाषाएँ: विविध संसाधन स्तरों और भाषाई परिवारों को कवर करने के लिए आठ भाषाओं को चुना गया: अंग्रेजी, स्पेनिश, चीनी, अरबी, इंडोनेशियाई, कोरियाई, ग्रीक और फारसी।
न्यूट्रलाइजेशन (Neutralisation): निहित भाषा-संचालित पूर्वाग्रह को अलग करने के लिए, GPT-5.2 का उपयोग करके मूल प्रॉम्प्ट से स्पष्ट देश संदर्भों को हटा दिया गया (जैसे, "मेक्सिको में लोकप्रिय खेल?" को बदलकर "लोकप्रिय खेल?")।
अनुवाद: उत्तर विकल्पों को सभी आठ लक्षित भाषाओं में अनुवादित किया गया, यह सुनिश्चित करते हुए कि डेटासेट में आठ विशिष्ट देशों (US, मेक्सिको, चीन, अल्जीरिया, इंडोनेशिया, दक्षिण कोरिया, ग्रीस, ईरान) के लिए वैध मैपिंग शामिल है।
विभाजन (Split): डेटा को 70% प्रशिक्षण, 10% सत्यापन और 20% परीक्षण में विभाजित किया गया, जिसमें स्प्लिट्स के बीच डेटा लीकेज को रोकने के लिए सख्त उपाय किए गए।

2.2 मापन: सिंगलटन फ्लेस' $\kappa_S$ (Singleton Fleiss's $\kappa_S$ )

मानक निरंतरता मेट्रिक्स अक्सर विफल हो जाते हैं जब मॉडल मतिभ्रम (hallucinations) उत्पन्न करते हैं या अमान्य प्रारूप उत्पन्न करते हैं, क्योंकि इन त्रुटियों को हटाने से सर्वाइवरशिप बायस (survivorship bias) उत्पन्न होता है। लेखक सिंगलटन फ्लेस' $\kappa_S$ पेश करते हैं, जो एक नया मेट्रिक है जो गणितीय रूप से मतिभ्रम के प्रति प्रतिरोधी होने के लिए सिद्ध है।

तंत्र: मानक फ्लेस' $\kappa$ के विपरीत, जो यह मानता है कि सभी प्रतिक्रियाएं एक पूर्व-निर्धारित वैध सेट से मेल खाती हैं, $\kappa_S$ वैध उत्तर सेट $V$ को गतिशील रूप से उत्पन्न सिंगलटन (अमान्य) उत्तरों के सेट $U$ के साथ विस्तारित करता है।
दंड (Penalty): प्रत्येक अमान्य प्रतिक्रिया एक अद्वितीय सिंगलटन से मैप होती है। यह सुनिश्चित करता है कि मतिभ्रम को विशिष्ट श्रेणियों के रूप में माना जाए, जिससे बिना किसी एड-हॉक बहिष्करण के विसंगति को गणितीय रूप से दंडित किया जा सके।
अभिसरण (Convergence):ive लेखक सिद्ध करते हैं कि जैसे-जैसे डेटासेट का आकार बढ़ता है, $\kappa_S$ मानक वैध-श्रेणी $\kappa$ की ओर एसिम्प्टोटिक रूप से अभिसरित होता है।

2.3 शमन (Mitigation): क्रॉस-लिंगुअल कल्चरल कंसिस्टेंट प्रेफरेंस ऑप्टिमाइजेशन (C-3PO)

यह शोध पत्र C-3PO का प्रस्ताव करता है, जो एक स्व-पर्यवेक्षित (self-supervised), सर्वसम्मति-संचालित संरेखण ढांचा है जिसे महंगी मानवीय एनोटेशन या व्यक्तिपरक ग्राउंड ट्रुथ पर निर्भर किए बिना CCI को कम करने के लिए डिज़ाइन किया गया है।

सर्वसम्मति निष्कर्षण (Consensus Extraction): बेस मॉडल सभी $N$ भाषाओं में एक सांस्कृतिक रूप से तटस्थ प्रश्न के लिए प्रतिक्रियाएं उत्पन्न करता है। एक क्रॉस-लिंगुअल सर्वसम्मति को उन भाषाओं द्वारा चयनित उत्तर के रूप में परिभाषित किया जाता है जो एक सख्त बहुमत प्राप्त करती हैं।
प्रेफरेंस पेयर निर्माण:
- चुना गया ( $y_w$ ): सर्वसम्मति वाले उत्तर को सार्वभौमिक रूप से पसंदीदा प्रतिक्रिया के रूप में सौंपा जाता है।
- अस्वीकृत ( $y_l$ ):
  - उन भाषाओं के लिए जहाँ मॉडल शुरू में सर्वसम्मति से असहमत था, वास्तविक विचलित आउटपुट को अस्वीकृत प्रतिक्रिया के रूप में उपयोग किया जाता है।
  - उन भाषाओं के लिए जो पहले से ही सहमत थीं, एक यादृच्छिक गैर-सर्वसम्मति विकल्प को अस्वीकृत प्रतिक्रिया के रूप में लिया जाता है।
संतुलन (Balancing): यह सुनिश्चित करने के लिए कि सर्वसम्मति निर्धारित करने वाली भाषाएँ प्रशिक्षण डेटा को असमान रूप से पक्षपाती न बनाएं, एक अंडरसैंपलिंग रणनीति लागू की जाती है, जो कंसेंशियल और विचलित भाषाओं के प्रतिनिधित्व को संतुलित करती है।
अनुकूलन (Optimisation): मॉडल को लो-रैंक एडेप्टेशन (LoRA) के साथ डायरेक्ट प्रेफरेंस ऑप्टिमाइजेशन (DPO) का उपयोग करके फाइन-ट्यून किया जाता है। डेटा को समानांतर बैचों (सभी भाषाओं में अनुवादित एक ही प्रश्न) में संरचित किया जाता है ताकि यह सुनिश्चित हो सके कि ग्रेडिएंट अपडेट एक एकीकृत सिमेंटिक एंकर की ओर अलग-अलग भाषा निरूपणों को खींचते हुए एक साथ काम करें।

2.4 बेसलाइन्स

C-3PO का मूल्यांकन तीन स्थापित व्यवहारिक स्टीयरिंग बेसलाइन्स के विरुद्ध किया जाता है:

परसोना प्रॉम्प्टिंग: सिस्टम प्रॉम्प्ट के माध्यम से मॉडल को एक विशिष्ट राष्ट्रीयता के लिए कंडिशन करना।
फ्यू-शॉट प्रॉम्प्टिंग: सुसंगत क्रॉस-लिंगुअल उत्तरों के इन-कॉन्टेक्स्ट उदाहरण प्रदान करना।
परसोना वेक्टर स्टीयरिंग: परसोना निर्देशों के साथ और बिना के प्रॉम्प्ट्स के बीच रेसिडुअल स्ट्रीम एक्टिवेशन के अंतर से प्राप्त इंटरवेंशन वेक्टर्स का उपयोग करके मॉडल के लेटेंट स्पेस को निर्देशित करना।

3. मुख्य परिणाम

3.1 निरंतरता में सुधार

तीन ओपन-वेट मॉडल्स (Gemma-2-27b-it, Llama-3.1-8B-Instruct, Qwen2.5-3B-Instruct) पर अनुभवजन्य मूल्यांकन प्रदर्शित करते हैं कि C-3PO लगभग सभी मॉडल्स और भाषा समूहों में सभी बेसलाइन शमन रणनीतियों से लगातार बेहतर प्रदर्शन करता है।

C-3PO अन-अलाइन्ड मॉडल्स की तुलना में सिंगलटन फ्लेस' $\kappa_S$ में 0.10-पॉइंट की पूर्ण वृद्धि तक प्राप्त करता है।
जबकि परसोना वेक्टर स्टीयरिंग जैसे बेसलाइन्स कभी-कभी विशिष्ट कॉन्फ़िगरेशन (जैसे, विशिष्ट परसोना-देश जोड़े) में उच्च स्कोर प्राप्त करते हैं, इन परिणामों को "चेरी-पिक्ड ओरकल परिदृश्य" के रूप में वर्णित किया गया है। C-3PO बिना किसी मैनुअल चयन के मजबूत संरेखण प्रदान करता है।
पाया गया कि फ्यू-शॉट प्रॉम्प्टिंग एक एकल मोड (अनिश्चित रूप से एक उत्तर को दोहराना) में पतन करके सॉफ्ट और हार्ड कंसिस्टेंसी स्कोर को कृत्रिम रूप से बढ़ा देता है, जो एक डिजेनरेट व्यवहार है जिसे $\kappa_S$ मजबूती से दंडित करता है।

3.2 भाषा संसाधनों का प्रभाव

अध्ययन प्रकट करता है कि CCI विशेष रूप से कम-संसाधन वाली भाषाओं (इंडोनेशियाई, फारसी, कोरियाई, अरबी, ग्रीक) को प्रभावित करता है।

कम-संसाधन वाले समूह उच्च-संसाधन वाले समूहों (अंग्रेजी, चीनी, स्पेनिश) की तुलना में सभी मॉडल्स और शमन रणनीतियों में काफी कम $\kappa_S$ स्कोर प्रदर्शित करते हैं।
वृद्धिशील (incremental) जोड़ प्रयोग दिखाते हैं कि जैसे-जैसे कम-संसाधन वाली भाषाओं को मूल्यांकन पूल में जोड़ा जाता है, निरंतरता घटती जाती है, जो संसाधन की कमी को विसंगति के प्राथमिक चालक के रूप में पहचानती है।

3.3 व्याख्यात्मकता विश्लेषण (Interpretability Analysis)

Llama-3.1-8B पर लेयर-वाइज व्याख्यात्मकता विश्लेषण CCI के अंतर्निहित तंत्र को प्रकट करता है:

उद्भव बिंदु (Emergence Point): क्रॉस-लिंगुअल निरंतरता धीरे-धीरे उभरती नहीं है; यह बाद की परतों (लेयर 22 के आसपास) में अचानक प्रकट होती है जब फॉरवर्ड-पास निरूपण स्थिर हो जाते हैं।
निहित वैयक्तिकरण (Implicit Personalisation): जैसे-जैसे निरूपण स्थिर होते हैं, मॉडल स्पष्ट रूप से प्रॉम्प्ट भाषा से जुड़ी सांस्कृतिक रूढ़ियों को आउटपुट के रूप में एंकर करता है। उदाहरण के लिए, स्पेनिश प्रॉम्प्ट तेजी से मेक्सिको के लिए भविष्यवाणियों को ट्रिगर करते हैं, और अरबी प्रॉम्प्ट अल्जीरिया या अमेरिका के लिए।
स्लोप विश्लेषण (Slope Analysis): परतों के माध्यम से भविष्यवाणी आवृत्तियों का लीनियर रिग्रेशन यह पुष्टि करता है कि किसी विशिष्ट देश के लिए भविष्यवाणियों में उछाल तब अधिक तीव्र होता है जब प्रश्न उस देश की रूढ़िवादी भाषा में होता है, जो इस परिकल्पना का समर्थन करता है कि मॉडल प्रॉम्प्ट भाषा के आधार पर उत्तरों को स्वतः वैयक्तिकृत करता है।

4. महत्व और दावे

यह शोध पत्र दावा करता है कि यह चार प्राथमिक योगदान देता है:

CCI का औपचारिकीकरण: यह क्रॉस-लिंगुअल कल्चरल इनकंसिस्टेंसी को एक विशिष्ट विफलता मोड के रूप में अलग और औपचारिक बनाता है जहाँ मॉडल स्पष्ट उपयोगकर्ता पहचान का लाभ उठाने के बजाय निहित भाषाई संकेतों को प्राथमिकता देते हैं।
मजबूत मेट्रिक: यह सिंगलटन फ्लेस' $\kappa_S$ पेश करता है, जो मतिभ्रम के प्रति गणितीय रूप से प्रतिरोधी एक मेट्रिक है, जो अमान्य डेटा को हटाए बिना निरंतरता को मापने में सक्षम बनाता है।
प्रभावी शमन: यह C-3PO का प्रस्ताव करता है, जो एक स्व-पर्यवेक्षित ढांचा है जो बिना किसी मानवीय एनोटेशन के विभिन्न बेसलाइन्स और मॉडल आर्किटेक्चर में सांस्कृतिक निरंतरता में काफी सुधार करता है।
यांत्रिक अंतर्दृष्टि (Mechanistic Insight): यह प्रारंभिक-डिकोडिंग साक्ष्य प्रदान करता है कि MLLMs आंतरिक निरूपण स्थिर होने पर प्रॉम्प्ट भाषा की रूढ़िवादी संस्कृति की ओर आउटपुट को स्वतः वैयक्तिकृत करते हैं, और यह प्रभाव कम-संसाधन वाली भाषाओं में बढ़ जाता है।

लेखक एक मध्यम रुख बनाए रखते हैं, यह स्वीकार करते हुए कि उनका ढांचा देशों को संस्कृतियों के रूप में समकक्ष मानता है (एक रिडक्टिव प्रॉक्सी), और "सर्वसम्मति" जो उत्पन्न की गई है वह पूर्वाग्रह का एक नया रूप भी ला सकती है। वे तर्क देते हैं कि हालांकि उनका कार्य बाधित सेटिंग्स में निर्देश पालन को संबोधित करता है, लेकिन क्रॉस-लिंगुअल निरंतरता कब वांछनीय है बनाम सांस्कृतिक अनुकूलनशीलता कब पसंद की जाती है, इस पर व्यापक बहस भविष्य के अनुसंधान के लिए खुली है।