論文の概要: Gender and Race Bias in Consumer Product Recommendations by Large Language Models

• arxiv url: http://arxiv.org/abs/2602.08124v1
• Date: Sun, 08 Feb 2026 21:06:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.99083
• Title: Gender and Race Bias in Consumer Product Recommendations by Large Language Models
• Title（参考訳）: 大規模言語モデルによる消費者製品レコメンデーションにおけるジェンダーとレースバイアス
• Authors: Ke Xu, Shera Potka, Alex Thomo,
• Abstract要約: 我々は,様々な人種・性別グループを対象とした大規模言語モデルから製品提案を引き出すために,プロンプトエンジニアリングを活用する。 以上の結果から,より公平なLLMレコメンデーションシステムの必要性が指摘され,人口集団のレコメンデーションに有意な差異が認められた。
• 参考スコア（独自算出の注目度）: 9.335368499316576
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models are increasingly employed in generating consumer product recommendations, yet their potential for embedding and amplifying gender and race biases remains underexplored. This paper serves as one of the first attempts to examine these biases within LLM-generated recommendations. We leverage prompt engineering to elicit product suggestions from LLMs for various race and gender groups and employ three analytical methods-Marked Words, Support Vector Machines, and Jensen-Shannon Divergence-to identify and quantify biases. Our findings reveal significant disparities in the recommendations for demographic groups, underscoring the need for more equitable LLM recommendation systems.
• Abstract（参考訳）: 大規模言語モデルは、消費者製品レコメンデーションの生成にますます採用されているが、ジェンダーや人種の偏見を埋め込んで増幅する可能性はまだ検討されていない。 本稿は,LSM生成レコメンデーション内でこれらのバイアスを調査するための最初の試みの1つとして機能する。 我々は,様々な人種・性別グループを対象としたLCMから製品提案を抽出し,3つの分析手法であるマーク付き単語,サポートベクトルマシン,Jensen-Shannon Divergence を用いてバイアスを特定し定量化する。 以上の結果から,より公平なLLMレコメンデーションシステムの必要性が指摘され,人口集団のレコメンデーションに有意な差異が認められた。

関連論文リスト

• The Root Shapes the Fruit: On the Persistence of Gender-Exclusive Harms in Aligned Language Models [91.86718720024825]
  我々はトランスジェンダー、ノンバイナリ、その他のジェンダー・ディバースのアイデンティティを中心とし、アライメント手順が既存のジェンダー・ディバースバイアスとどのように相互作用するかを検討する。 以上の結果から,DPO対応モデルは特に教師付き微調整に敏感であることが示唆された。 DPOとより広範なアライメントプラクティスに合わせたレコメンデーションで締めくくります。
  論文  参考訳（メタデータ） (2024-11-06T06:50:50Z)
• A Survey on Large Language Models for Recommendation [77.91673633328148]
  大規模言語モデル(LLM)は自然言語処理(NLP)の分野で強力なツールとして登場した。 本調査では,これらのモデルを2つの主要なパラダイム(DLLM4Rec)とジェネレーティブLSM4Rec(GLLM4Rec)に分類する。
  論文  参考訳（メタデータ） (2023-05-31T13:51:26Z)

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。