多语言只是名义上的？LLM 在乌尔都语中的文化与语言弱点
原标题：Multilingual in Name Only? Cultural and Linguistic Weaknesses of LLMs in Urdu
AI 摘要
研究者构建了 Urdu-Stories 语料库，包含由 GPT-5.1、Qwen-3-Max、DeepSeek-3.1 三个当代 LLM 生成的 93 篇乌尔都语故事，并按九类语言、语义与文化错误分类法进行人工标注。研究发现这些模型常犯基础语法和语义错误，故事缺乏连贯性、存在不自然重复，并普遍表现出文化浅薄。作者进一步用少样本提示证明文化与语境错误大多无法解决，说明当前 LLM 在低资源语言的内容生成与信息检索上仍不可靠。
正文节选
rm[ BoldFont=TeXGyreTermesX-Bold.otf, ItalicFont=TeXGyreTermesX-Italic.otf, BoldItalicFont=TeXGyreTermesX-BoldItalic.otf ]TeXGyreTermesX-Regular.otf [*arabic]rm[ BoldFont=Amiri-Bold.ttf, ItalicFont=Amiri-Italic.ttf, BoldItalicFont=Amiri-BoldItalic.ttf ]Amiri-Regular.ttf Multilingual in Name Only? Cultural and Linguistic Weaknesses of LLMs in Urdu Abstract Multilingual large language models (LLMs) are increasingly used for open-ended text generation, yet their behaviour in low-resource languages