論文の概要: Analysing Differences in Persuasive Language in LLM-Generated Text: Uncovering Stereotypical Gender Patterns

• arxiv url: http://arxiv.org/abs/2601.05751v1
• Date: Fri, 09 Jan 2026 12:07:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-12 17:41:49.965544
• Title: Analysing Differences in Persuasive Language in LLM-Generated Text: Uncovering Stereotypical Gender Patterns
• Title（参考訳）: LLMテキストにおける説得言語の違いの分析:ステレオタイプジェンダーパターンの解明
• Authors: Amalie Brogaard Pauli, Maria Barrett, Max Müller-Eberstein, Isabelle Augenstein, Ira Assent,
• Abstract要約: 我々は,受取者の性別,送信者意図,あるいは出力言語によって,説得的言語生成がどのような影響を受けるかを評価する。 以上の結果から,全モデルにまたがる説得言語に有意な性別差が認められた。
• 参考スコア（独自算出の注目度）: 35.516436178105
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly used for everyday communication tasks, including drafting interpersonal messages intended to influence and persuade. Prior work has shown that LLMs can successfully persuade humans and amplify persuasive language. It is therefore essential to understand how user instructions affect the generation of persuasive language, and to understand whether the generated persuasive language differs, for example, when targeting different groups. In this work, we propose a framework for evaluating how persuasive language generation is affected by recipient gender, sender intent, or output language. We evaluate 13 LLMs and 16 languages using pairwise prompt instructions. We evaluate model responses on 19 categories of persuasive language using an LLM-as-judge setup grounded in social psychology and communication science. Our results reveal significant gender differences in the persuasive language generated across all models. These patterns reflect biases consistent with gender-stereotypical linguistic tendencies documented in social psychology and sociolinguistics.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、影響と説得を目的とした対人的メッセージの起草など、日常的なコミュニケーションタスクにますます利用されている。 以前の研究は、LLMが人間を説得し、説得力のある言語を増幅できることを示した。 したがって、利用者の指示が説得言語の生成にどのように影響するかを理解することが不可欠であり、例えば、異なるグループを対象としている場合など、生成された説得言語が異なるかどうかを理解することが重要である。 本研究では, 受取者の性別, 送信者意図, 出力言語による説得的言語生成の影響を評価する枠組みを提案する。 ペアワイズプロンプト命令を用いて13のLLMと16の言語を評価する。 社会心理学とコミュニケーション科学を基礎としたLLM-as-judgeセットアップを用いて,19カテゴリーの説得言語に対するモデル応答を評価した。 以上の結果から,全モデルにまたがる説得言語に有意な性別差が認められた。 これらのパターンは、社会心理学や社会言語学で記録されたジェンダー・ステレオタイプ言語傾向と整合したバイアスを反映している。

関連論文リスト

• EuroGEST: Investigating gender stereotypes in multilingual language models [58.871032460235575]
  EuroGESTは、英語と29のヨーロッパ言語にまたがるLLMにおける性別ステレオタイプ推論を計測するためのデータセットである。 すべての言語で最強のステレオタイプは、女性が「美」、「共感」、そして「否定」であり、男性は「リーダー」、「強く、タフ」、そして「職業的」であることを示している。
  論文  参考訳（メタデータ） (2025-06-04T11:58:18Z)
• The Dark Patterns of Personalized Persuasion in Large Language Models: Exposing Persuasive Linguistic Features for Big Five Personality Traits in LLMs Responses [0.0]
  我々は、ビッグファイブ・パーソナリティの様々なレベルにおけるパーソナリティに影響を与えるのに不可欠な13の言語的特徴を同定する。 モデルでは、不安関連語を神経症に用い、達成関連語を良心に用い、経験へのオープンネスのために認知過程語を減らしている。
  論文  参考訳（メタデータ） (2024-11-08T23:02:59Z)
• Large Language Models Reflect the Ideology of their Creators [71.65505524599888]
  大規模言語モデル(LLM)は、自然言語を生成するために大量のデータに基づいて訓練される。 本稿では, LLMのイデオロギー的姿勢が創造者の世界観を反映していることを示す。
  論文  参考訳（メタデータ） (2024-10-24T04:02:30Z)
• Measuring and Benchmarking Large Language Models' Capabilities to Generate Persuasive Language [41.052284715017606]
  本研究では,Large Language Models (LLM) の説得的テキスト生成能力について検討する。 特定のドメインやタイプの説得に焦点を当てた先行研究とは対照的に、諸藩をまたいだ総合的研究を行う。 我々は、短いテキストのペア対からなる新しいデータセットPersuasive-Pairを構築し、LLMによって書き直され、説得言語を増幅または縮小する。
  論文  参考訳（メタデータ） (2024-06-25T17:40:47Z)
• BabySLM: language-acquisition-friendly benchmark of self-supervised spoken language models [56.93604813379634]
  音声表現を学習するための自己指導技術は、人間のラベルを必要とせずに、音声への露出から言語能力を高めることが示されている。 語彙および構文レベルで音声言語モデルを探索するために,言語習得に親しみやすいベンチマークを提案する。 テキストと音声のギャップを埋めることと、クリーンな音声とその内話のギャップを埋めることである。
  論文  参考訳（メタデータ） (2023-06-02T12:54:38Z)

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。