論文の概要: The Generation Gap: Exploring Age Bias in the Value Systems of Large Language Models

• arxiv url: http://arxiv.org/abs/2404.08760v3
• Date: Mon, 07 Oct 2024 00:16:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-08 13:43:05.356150
• Title: The Generation Gap: Exploring Age Bias in the Value Systems of Large Language Models
• Title（参考訳）: 世代ギャップ:大規模言語モデルの価値体系における年齢バイアスの探索
• Authors: Siyang Liu, Trish Maturi, Bowen Yi, Siqi Shen, Rada Mihalcea,
• Abstract要約: 特に米国人口と比較して,若年層に対するLLM(Large Language Models)値の一般的な傾向を見出した。 一般的な傾きは観察できるが、若いグループに対するこの傾きは、異なる値のカテゴリで異なることが判明した。
• 参考スコア（独自算出の注目度）: 26.485974783643464
• License:
• Abstract: We explore the alignment of values in Large Language Models (LLMs) with specific age groups, leveraging data from the World Value Survey across thirteen categories. Through a diverse set of prompts tailored to ensure response robustness, we find a general inclination of LLM values towards younger demographics, especially when compared to the US population. Although a general inclination can be observed, we also found that this inclination toward younger groups can be different across different value categories. Additionally, we explore the impact of incorporating age identity information in prompts and observe challenges in mitigating value discrepancies with different age cohorts. Our findings highlight the age bias in LLMs and provide insights for future work. Materials for our analysis are available at \url{ https://github.com/MichiganNLP/Age-Bias-In-LLMs}
• Abstract（参考訳）: 我々は,大言語モデル(LLM)と特定の年齢グループとの値のアライメントについて検討し,13のカテゴリにわたる世界価値調査のデータを活用する。 反応の堅牢性を確保するために調整された多様なプロンプトを通じて、若年層、特に米国人口と比較して、LSM値の一般的な傾向を見出した。 一般的な傾きは観察できるが、若いグループに対するこの傾きは、異なる値のカテゴリで異なることが判明した。 さらに、年齢識別情報をプロンプトに取り入れることによる影響について検討し、年齢コホートによる価値の相違を緩和する上での課題を考察する。 以上の結果から,LSMの年齢バイアスが明らかとなり,今後の研究への洞察が得られた。 我々の分析材料は \url{ https://github.com/MichiganNLP/Age-Bias-In-LLMs} で入手できる。

関連論文リスト

• Hate Personified: Investigating the role of LLMs in content moderation [64.26243779985393]
  ヘイト検出などの主観的タスクでは,人々が嫌悪感を知覚する場合には,多様なグループを表現できるLarge Language Model(LLM)の能力は不明確である。 追加の文脈をプロンプトに含めることで、LLMの地理的プライミングに対する感受性、ペルソナ属性、数値情報を分析し、様々なグループのニーズがどの程度反映されているかを評価する。
  論文  参考訳（メタデータ） (2024-10-03T16:43:17Z)
• AGR: Age Group fairness Reward for Bias Mitigation in LLMs [3.1244204900991623]
  RLHFのための年齢バイアス優先データセットと命令調整データセットを構築する。 年齢集団間でのLDMの応答品質の差を低減するために, 年齢フェアネス報酬であるARGを導入する。
  論文  参考訳（メタデータ） (2024-09-06T15:18:12Z)
• GenderBias-\emph{VL}: Benchmarking Gender Bias in Vision Language Models via Counterfactual Probing [72.0343083866144]
  本稿では,GenderBias-emphVLベンチマークを用いて,大規模視覚言語モデルにおける職業関連性バイアスの評価を行う。 ベンチマークを用いて15のオープンソースLVLMと最先端の商用APIを広範囲に評価した。 既存のLVLMでは男女差が広くみられた。
  論文  参考訳（メタデータ） (2024-06-30T05:55:15Z)
• Exploring Value Biases: How LLMs Deviate Towards the Ideal [57.99044181599786]
  LLM(Large-Language-Models)は幅広いアプリケーションにデプロイされ、その応答は社会的影響を増大させる。 価値バイアスは、人間の研究結果と同様、異なるカテゴリにわたるLSMにおいて強いことが示される。
  論文  参考訳（メタデータ） (2024-02-16T18:28:43Z)
• Dive into the Chasm: Probing the Gap between In- and Cross-Topic Generalization [66.4659448305396]
  本研究は,3つの探索型実験を用いて種々のLMを解析し,In- vs. クロストピック一般化ギャップの背景にある理由を明らかにした。 はじめに、一般化ギャップと埋め込み空間の堅牢性は、LM間で大きく異なることを示した。
  論文  参考訳（メタデータ） (2024-02-02T12:59:27Z)
• ROBBIE: Robust Bias Evaluation of Large Generative Language Models [27.864027322486375]
  異なるプロンプトベースのデータセットを使用して、複数のテキストドメインと人口統計軸にわたる社会的バイアスを測定することができる。 我々は,12の人口動態軸と5のジェネレーションLLMの家系の6つの異なるプロンプトベースのバイアスと毒性の指標を比較した。 3つのバイアス/毒性の緩和技術が、我々の一連の測定においていかにうまく機能するかを包括的に研究する。
  論文  参考訳（メタデータ） (2023-11-29T23:03:04Z)
• Aligning with Whom? Large Language Models Have Gender and Racial Biases in Subjective NLP Tasks [15.015148115215315]
  我々は4つのポピュラーな大言語モデル(LLM)の実験を行い、集団差と潜在的なバイアスを理解する能力について、丁寧さと不快さの予測について検討する。 どちらのタスクでも、モデル予測は白人と女性の参加者のラベルに近いことが分かりました。 より具体的には、"ブラック"と"アジア"個人の観点から反応するよう促された場合、モデルは、対応するグループからのスコアだけでなく、全体的なスコアを予測する際のパフォーマンスを低下させる。
  論文  参考訳（メタデータ） (2023-11-16T10:02:24Z)
• On the steerability of large language models toward data-driven personas [98.9138902560793]
  大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。 本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T19:01:13Z)
• SVLDL: Improved Speaker Age Estimation Using Selective Variance Label Distribution Learning [24.57668015470307]
  本稿では,年齢分布の分散に適応するために,SVLDL法を提案する。 モデルは、WavLMを音声特徴抽出器として使用し、さらにパフォーマンスを向上させるために、性別認識の補助タスクを追加する。 実験の結果,NIST SRE08-10と実世界のデータセットのすべての面において,最先端のパフォーマンスが得られた。
  論文  参考訳（メタデータ） (2022-10-18T01:34:31Z)
• Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
  特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。 本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。 提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-06T21:53:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。