論文の概要: Sports and Women's Sports: Gender Bias in Text Generation with Olympic Data

• arxiv url: http://arxiv.org/abs/2502.04218v1
• Date: Thu, 06 Feb 2025 17:01:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:33:01.503131
• Title: Sports and Women's Sports: Gender Bias in Text Generation with Olympic Data
• Title（参考訳）: スポーツと女子スポーツ:オリンピックデータによるテキスト生成におけるジェンダーバイアス
• Authors: Laura Biester,
• Abstract要約: オリンピックにおける男女同時開催イベントのデータを用いて,言語モデルにおけるジェンダーバイアスの異なる形態を調査する。 ジェンダーが不明瞭な場合、モデルは常に女性に偏見を抱いていることがわかりました。
• 参考スコア（独自算出の注目度）: 0.06526824510982801
• License:
• Abstract: Large Language Models (LLMs) have been shown to be biased in prior work, as they generate text that is in line with stereotypical views of the world or that is not representative of the viewpoints and values of historically marginalized demographic groups. In this work, we propose using data from parallel men's and women's events at the Olympic Games to investigate different forms of gender bias in language models. We define three metrics to measure bias, and find that models are consistently biased against women when the gender is ambiguous in the prompt. In this case, the model frequently retrieves only the results of the men's event with or without acknowledging them as such, revealing pervasive gender bias in LLMs in the context of athletics.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、世界のステレオタイプ的視点に沿ったテキストを生成するか、歴史的に疎外された人口集団の視点や価値観を表わさないテキストを生成するため、先行研究において偏見があることが示されている。 本研究では,オリンピックにおける男女同時開催イベントのデータを用いて,言語モデルにおけるジェンダーバイアスの異なる形態について検討する。 我々は、偏見を測定するために3つの指標を定義し、モデルがプロンプトにおいて性別があいまいである場合に、一貫して女性に偏見を抱いていることを発見した。 この場合、このモデルでは、男子イベントの結果のみをアクセプションの有無で検索し、運動選手の文脈におけるLSMの広範性バイアスを明らかにする。

関連論文リスト

• Gender Bias in Text-to-Video Generation Models: A case study of Sora [63.064204206220936]
  本研究では,OpenAIのテキスト・ビデオ生成モデルであるSoraにおけるジェンダーバイアスの存在について検討した。 性別ニュートラルとステレオタイププロンプトの多種多様なセットから生成されたビデオを分析し、バイアスの有意な証拠を明らかにした。
  論文  参考訳（メタデータ） (2024-12-30T18:08:13Z)
• Are Models Biased on Text without Gender-related Language? [14.931375031931386]
  ステレオタイプフリーシナリオにおけるジェンダーバイアスを調査するための新しいフレームワークUnStereoEval(USE)を紹介する。 USEは事前学習データ統計に基づいて文レベルスコアを定義し、その文が単語と性別の関連が最小限であるかどうかを判定する。 28の試験モデルにおいて、偏見が低いことは、偏見が単にジェンダー関連の単語の存在に由来するものではないことを示唆している。
  論文  参考訳（メタデータ） (2024-05-01T15:51:15Z)
• Disclosure and Mitigation of Gender Bias in LLMs [64.79319733514266]
  大規模言語モデル(LLM)はバイアス応答を生成することができる。 条件生成に基づく間接探索フレームワークを提案する。 LLMにおける明示的・暗黙的な性バイアスを明らかにするための3つの戦略を探求する。
  論文  参考訳（メタデータ） (2024-02-17T04:48:55Z)
• Probing Explicit and Implicit Gender Bias through LLM Conditional Text Generation [64.79319733514266]
  大規模言語モデル(LLM)はバイアスと有害な応答を生成する。 本研究では,あらかじめ定義されたジェンダーフレーズやステレオタイプを必要としない条件付きテキスト生成機構を提案する。
  論文  参考訳（メタデータ） (2023-11-01T05:31:46Z)
• Will the Prince Get True Love's Kiss? On the Model Sensitivity to Gender Perturbation over Fairytale Texts [87.62403265382734]
  近年の研究では、伝統的な妖精は有害な性バイアスを伴っていることが示されている。 本研究は,ジェンダーの摂動に対する頑健さを評価することによって,言語モデルの学習バイアスを評価することを目的とする。
  論文  参考訳（メタデータ） (2023-10-16T22:25:09Z)
• Public Perceptions of Gender Bias in Large Language Models: Cases of ChatGPT and Ernie [2.1756081703276]
  本研究では,大規模言語モデルにおけるジェンダーバイアスの認知度を評価するために,ソーシャルメディア上での議論の内容分析を行った。 人々は、個人使用における性別バイアスの観察と、LSMにおける性別バイアスに関する科学的知見の両方を共有した。 LLMにおけるジェンダーバイアスを規制するためのガバナンスレコメンデーションを提案する。
  論文  参考訳（メタデータ） (2023-09-17T00:53:34Z)
• VisoGender: A dataset for benchmarking gender bias in image-text pronoun resolution [80.57383975987676]
  VisoGenderは、視覚言語モデルで性別バイアスをベンチマークするための新しいデータセットである。 We focus to occupation-related biases in a hegemonic system of binary gender, inspired by Winograd and Winogender schemas。 我々は、最先端の視覚言語モデルをいくつかベンチマークし、それらが複雑な場面における二項性解消のバイアスを示すことを発見した。
  論文  参考訳（メタデータ） (2023-06-21T17:59:51Z)
• Run Like a Girl! Sports-Related Gender Bias in Language and Vision [5.762984849322816]
  ジェンダーバイアスを2つの言語とビジョンのデータセットで分析する。 両者のデータセットは女性を過小評価しており、女性の視認を促進する。 これらの命名データに基づいて訓練された計算モデルはバイアスを再現する。
  論文  参考訳（メタデータ） (2023-05-23T18:52:11Z)
• Fairness in AI Systems: Mitigating gender bias from language-vision models [0.913755431537592]
  既存のデータセットにおける性別バイアスの影響について検討する。 本稿では,キャプションに基づく言語視覚モデルにおけるその影響を緩和する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-03T04:33:44Z)
• Uncovering Implicit Gender Bias in Narratives through Commonsense Inference [21.18458377708873]
  モデル生成物語における主人公に関連する性別バイアスについて検討する。 暗黙のバイアスに注目し、コモンセンス推論エンジンを使ってそれらを明らかにする。
  論文  参考訳（メタデータ） (2021-09-14T04:57:45Z)
• Multi-Dimensional Gender Bias Classification [67.65551687580552]
  機械学習モデルは、性別に偏ったテキストでトレーニングする際に、社会的に望ましくないパターンを不注意に学習することができる。 本稿では,テキスト中の性バイアスを複数の実用的・意味的な次元に沿って分解する一般的な枠組みを提案する。 このきめ細かいフレームワークを用いて、8つの大規模データセットにジェンダー情報を自動的にアノテートする。
  論文  参考訳（メタデータ） (2020-05-01T21:23:20Z)

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。