論文の概要: Beyond Western Politics: Cross-Cultural Benchmarks for Evaluating Partisan Associations in LLMs

• arxiv url: http://arxiv.org/abs/2509.22711v1
• Date: Wed, 24 Sep 2025 03:48:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 17:02:20.458254
• Title: Beyond Western Politics: Cross-Cultural Benchmarks for Evaluating Partisan Associations in LLMs
• Title（参考訳）: 西洋政治を超えて : LLMにおける党派協会の評価のための異文化間ベンチマーク
• Authors: Divyanshu Kumar, Ishita Gupta, Nitin Aravind Birur, Tanay Baswa, Sahil Agarwal, Prashanth Harshangi,
• Abstract要約: 我々は、米国とインドで比較可否判定のためのモデルを探索するデータセット textitNeutQA-440 と textitAdverQA-440 を作成します。 その結果、偏りのある党派協会への感受性が高く、無症状であることが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.19703625025720697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Partisan bias in LLMs has been evaluated to assess political leanings, typically through a broad lens and largely in Western contexts. We move beyond identifying general leanings to examine harmful, adversarial representational associations around political leaders and parties. To do so, we create datasets \textit{NeutQA-440} (non-adversarial prompts) and \textit{AdverQA-440} (adversarial prompts), which probe models for comparative plausibility judgments across the USA and India. Results show high susceptibility to biased partisan associations and pronounced asymmetries (e.g., substantially more favorable associations for U.S. Democrats than Republicans) alongside mixed-polarity concentration around India's BJP, highlighting systemic risks and motivating standardized, cross-cultural evaluation.
• Abstract（参考訳）: LLMにおけるパルチザンバイアスは、政治的傾きを評価するために評価されてきた。 我々は、政治指導者や政党に関する有害で敵対的な代表的協会を調べるために、一般の傾きを識別することを超えた。 そのため、米国とインドで比較可否判定のためのモデルを探索するデータセット \textit{NeutQA-440} (非逆プロンプト) と \textit{AdverQA-440} (逆プロンプト) を作成する。 結果は、偏見のある党派協会に対する高い感受性を示し、インドのBJP周辺の混合極性集中と、標準化された異文化間評価のモチベーションを強調した。

関連論文リスト

• Geopolitical biases in LLMs: what are the "good" and the "bad" countries according to contemporary language models [52.00270888041742]
  我々は、中立なイベント記述と異なる国からの視点を対比した新しいデータセットを導入する。 以上の結果から,特定の民族的物語のモデルが好まれる,重要な地政学的偏見がみられた。 単純なデバイアスのプロンプトはこれらのバイアスを減らすのに限られた効果があった。
  論文  参考訳（メタデータ） (2025-06-07T10:45:17Z)
• Analyzing Political Bias in LLMs via Target-Oriented Sentiment Classification [4.352835414206441]
  LLMによって符号化された政治的バイアスは下流のアプリケーションに有害な影響を及ぼす可能性がある。 我々は,LLMの感情予測が同一文の目的語と異なるという観察を活用する新しいアプローチを提案する。 我々は、人口統計学的および政治的に多様な政治家名を450の政治文に挿入し、6つの広く話される言語で7つのモデルを用いて目標志向の感情を予測する。
  論文  参考訳（メタデータ） (2025-05-26T10:01:24Z)
• Beyond Partisan Leaning: A Comparative Analysis of Political Bias in Large Language Models [6.549047699071195]
  本研究では、大規模言語モデルにおける政治的行動を評価するために、ペルソナフリーでトピック固有のアプローチを採用する。 米国、ヨーロッパ、中国、中東で開発された43の大規模言語モデルからの反応を分析した。 発見は、ほとんどのモデルが中心左あるいは左イデオロギー的にリーンであり、非党派的エンゲージメントパターンが異なることを示している。
  論文  参考訳（メタデータ） (2024-12-21T19:42:40Z)
• Evaluating Implicit Bias in Large Language Models by Attacking From a Psychometric Perspective [66.34066553400108]
  我々は、ある人口層に対する大きな言語モデルの暗黙の偏見を厳格に評価する。 心理測定の原則にインスパイアされた我々は,3つの攻撃的アプローチ,すなわち,軽視,軽視,指導を提案する。 提案手法は,LLMの内部バイアスを競合ベースラインよりも効果的に引き出すことができる。
  論文  参考訳（メタデータ） (2024-06-20T06:42:08Z)
• Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
  大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。 我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。 この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-15T04:02:24Z)
• Beyond prompt brittleness: Evaluating the reliability and consistency of political worldviews in LLMs [13.036825846417006]
  政治声明に対する大規模言語モデルの姿勢の信頼性と整合性を評価するための一連のテストを提案する。 本研究では, 7B から 70B までの大きさのモデルについて検討し, パラメータ数によって信頼性が向上することを確認した。 より大きなモデルは、左派政党との全体的な整合性を示すが、政策プログラムによって異なる。
  論文  参考訳（メタデータ） (2024-02-27T16:19:37Z)
• Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
  大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。 本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。 観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
  論文  参考訳（メタデータ） (2023-11-15T00:02:25Z)

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。