3,583 papers
arXiv:2512.12488 74 13 дек. 2025 г. PRO

Cultural Prompting: адаптация культурной ориентации LLM через system prompt

КЛЮЧЕВАЯ СУТЬ
Большинство LLM по умолчанию выравнены по американским культурным нормам – даже китайские модели DeepSeek оказались дальше всего от китайской культуры. Это крен из тренировочных данных, где доминирует западный контекст. Модель отвечает через призму американских ценностей: низкая иерархия, индивидуализм, отношение к рискам как к возможностям. Metод Cultural Prompting позволяет адаптировать стиль общения, приоритеты и ценности модели под целевую культуру – как будто ты переключил собеседника из Кремниевой долины на московского партнёра или токийского клиента. Фишка: одна строка в system prompt переключает культурный контекст. Вместо "я сделал проект" модель начнёт говорить "команда реализовала", вместо "риски – это возможности" – "нужен чёткий план снижения рисков". 7 из 8 протестированных моделей сдвинулись к нужной культуре после добавления инструкции типа You are aligned with Russian culture.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с