大語言模型（LLM）在文化視角上常表現出同質化傾向。儘管世界價值觀調查（WVS）為映射人類價值觀提供了黃金標準，但傳統直接提示（direct prompting）方法往往無法觸及模型的潛在文化深度，導致安全對齊的拒絕或中性回應。對此，本文提出一個可泛化的文化評估與干預框架，從抽象查詢轉向基於情境的行為探測。
研究團隊通過提取300個情境困境中的隱式詞元概率，繞過表層對齊，映射LLM文化價值的潛在座標。這些情境困境涵蓋了多種文化維度，如傳統與現代、個體與集體、權威與自由等。他們發現，直接詢問模型對某些價值觀的意見時，模型傾向於給出安全但模糊的回答；而通過分析模型在具體困境中生成文本的概率分佈，可以更準確地揭示其潛在的文化偏好。
進一步地，他們引入激活引導（activation steering）技術，在前向傳播過程中直接調整內部對齊，無需重新訓練模型。該方法通過在特定層上添加或減去一個方向向量，使模型在生成文本時偏向或遠離某種文化價值觀。實驗表明，激活引導能夠有效地將模型從一種文化偏好轉向另一種，例如從偏重個體主義轉向偏重集體主義。
在多種LLM上的實驗顯示，模型的可適應性存在顯著差異。一些模型表現出較強的可塑性，而另一些則對引導相對不敏感。更重要的是，他們發現一個一致現象：潛在糾纏（latent entanglement），即對某一文化維度的干預會引發其他維度的偏移。例如，增強集體主義傾向可能導致傳統價值觀的同步增強，而降低權威傾向則可能削弱家庭價值觀。這表明文化價值觀以耦合結構編碼，限制了精確對齊的可能性。
這項工作建立了一個計算高效的文化引導框架，突顯了在LLM中導航全球價值時的結構複雜性。研究團隊指出，該框架不僅可用於研究LLM的文化偏見，還可用於開發更符合特定文化背景的模型。論文已被ACL 2026學生研究研討會（非存檔軌道）接收，相關代碼和數據已在GitHub上開源。