論文の概要: Large-Scale, Longitudinal Study of Large Language Models During the 2024 US Election Season

• arxiv url: http://arxiv.org/abs/2509.18446v1
• Date: Mon, 22 Sep 2025 22:04:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.598963
• Title: Large-Scale, Longitudinal Study of Large Language Models During the 2024 US Election Season
• Title（参考訳）: 2024年アメリカ合衆国大統領選挙期における大規模・縦断的大規模言語モデルの検討
• Authors: Sarah H. Cen, Andrew Ilyas, Hedi Driss, Charlotte Park, Aspen Hopkins, Chara Podimata, Aleksander Mądry,
• Abstract要約: 2024年アメリカ合衆国大統領選挙は、大きな言語モデル(LLM)が普及して以来、アメリカ合衆国で最初の主要大会である。 この瞬間は、LLMが情報エコシステムをどう形成し、政治談話に影響を与えるかという緊急の疑問を提起する。 我々は,2024年7月から11月にかけて,ほぼ毎日のケイデンスに関する12,000以上の質問を構造化された調査を用いて,12種類のモデルについて大規模な縦断調査を行った。
• 参考スコア（独自算出の注目度）: 43.092041950140164
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The 2024 US presidential election is the first major contest to occur in the US since the popularization of large language models (LLMs). Building on lessons from earlier shifts in media (most notably social media's well studied role in targeted messaging and political polarization) this moment raises urgent questions about how LLMs may shape the information ecosystem and influence political discourse. While platforms have announced some election safeguards, how well they work in practice remains unclear. Against this backdrop, we conduct a large-scale, longitudinal study of 12 models, queried using a structured survey with over 12,000 questions on a near-daily cadence from July through November 2024. Our design systematically varies content and format, resulting in a rich dataset that enables analyses of the models' behavior over time (e.g., across model updates), sensitivity to steering, responsiveness to instructions, and election-related knowledge and "beliefs." In the latter half of our work, we perform four analyses of the dataset that (i) study the longitudinal variation of model behavior during election season, (ii) illustrate the sensitivity of election-related responses to demographic steering, (iii) interrogate the models' beliefs about candidates' attributes, and (iv) reveal the models' implicit predictions of the election outcome. To facilitate future evaluations of LLMs in electoral contexts, we detail our methodology, from question generation to the querying pipeline and third-party tooling. We also publicly release our dataset at https://huggingface.co/datasets/sarahcen/llm-election-data-2024
• Abstract（参考訳）: 2024年アメリカ合衆国大統領選挙は、大きな言語モデル(LLM)が普及して以来、アメリカ合衆国で最初の主要大会である。 メディアの以前のシフト(特にソーシャルメディアがターゲットメッセージングと政治的分極でよく研究している役割)から学んだことに基づいて、この瞬間はLLMが情報エコシステムをどう形成し、政治的言論に影響を与えるかという緊急の疑問を提起する。 プラットフォームはいくつかの選挙安全策を発表したが、実際にどのように機能するかは不明だ。 このような背景から,2024年7月から11月にかけての12,000以上の質問に対して,構造化された調査を行い,12種類のモデルについて大規模な縦断調査を行った。 我々のデザインは、コンテンツとフォーマットを体系的に変化させ、結果として、時間とともにモデルの振る舞いを分析することができる豊富なデータセット(例えば、モデル更新)、ステアリングに対する感度、命令への応答性、選挙関連の知識と「信じる」ことを可能にします。 研究の後半で、我々はデータセットの4つの分析を行った。 一 選挙期におけるモデル行動の経時変化に関する研究 (二)人口統計学における選挙関連反応の敏感さを図示すること。 三 候補者の属性に関するモデルの信念を尋問し、 (4)選挙結果に対するモデルによる暗黙の予測を明らかにする。 選挙文脈におけるLCMの今後の評価を容易にするため,質問生成からクエリパイプライン,サードパーティツールに至るまで,我々の方法論を詳述する。 また、データセットをhttps://huggingface.co/datasets/sarahcen/llm-election-data-2024で公開しています。

関連論文リスト

• A Large-Scale Simulation on Large Language Models for Decision-Making in Political Science [18.521101885334673]
  我々は,大規模投票者の意思決定をシミュレートする理論駆動多段階推論フレームワークを開発した。 我々は、現実の有権者データに校正された合成人格を用いて、最近のアメリカ合衆国大統領選挙の大規模なシミュレーションを行う。
  論文  参考訳（メタデータ） (2024-12-19T07:10:51Z)
• ElectionSim: Massive Population Election Simulation Powered by Large Language Model Driven Agents [70.17229548653852]
  我々は,大規模言語モデルに基づく革新的な選挙シミュレーションフレームワークであるElectronSimを紹介する。 ソーシャルメディアプラットフォームからサンプリングした100万レベルの投票者プールを提示し、正確な個人シミュレーションを支援する。 PPEは、米国大統領選挙シナリオ下での我々の枠組みの性能を評価するための、世論調査に基づく大統領選挙ベンチマークである。
  論文  参考訳（メタデータ） (2024-10-28T05:25:50Z)
• Towards More Accurate US Presidential Election via Multi-step Reasoning with Large Language Models [12.582222782098587]
  選挙予測は、限られた有権者レベルのデータ、急速に変化する政治情勢、複雑な人間の振る舞いをモデル化する必要性など、ユニークな課題を生んでいる。 政治分析のための多段階推論フレームワークを提案する。 われわれのアプローチは、2016年と2020年のアメリカ大統領選挙研究(ANES)の実際のデータに基づいて検証されている。
  論文  参考訳（メタデータ） (2024-10-21T06:18:53Z)
• Investigating LLMs as Voting Assistants via Contextual Augmentation: A Case Study on the European Parliament Elections 2024 [22.471701390730185]
  2024年の欧州議会議員選挙では、LLMsがVoting Advice Applications (VAA)として利用できるかどうかを調査している。 我々は、MISTRALとMIXTRALモデルを評価し、最新の「EUとI」投票支援アンケートに基づいて、政党の姿勢を予測する際の精度を評価した。 その結果、MIXTRALは平均82%の精度で精度が高く、異なる政治集団間で大きな性能差があることがわかった。
  論文  参考訳（メタデータ） (2024-07-11T13:29:28Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)

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。