論文の概要: SPAGBias: Uncovering and Tracing Structured Spatial Gender Bias in Large Language Models

• arxiv url: http://arxiv.org/abs/2604.14672v1
• Date: Thu, 16 Apr 2026 06:30:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.756378
• Title: SPAGBias: Uncovering and Tracing Structured Spatial Gender Bias in Large Language Models
• Title（参考訳）: SPAGBias:大規模言語モデルにおける構造化空間性バイアスの発見と追跡
• Authors: Binxian Su, Haoye Lou, Shucheng Zhu, Weikang Wang, Ying Liu, Dong Yu, Pengyuan Liu,
• Abstract要約: 大規模言語モデル(LLM)における空間性バイアスを評価するための最初の体系的枠組みであるSPAGBiasを紹介する。 我々は、公共の分断を超えて構成されたジェンダー空間の関連を同定し、ニュアンス化されたマイクロレベルマッピングを形成する。 物語生成は、感情、言葉、社会的役割が「空間性物語」を共同で形成する方法を明らかにする
• 参考スコア（独自算出の注目度）: 20.761758130166125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are being increasingly used in urban planning, but since gendered space theory highlights how gender hierarchies are embedded in spatial organization, there is concern that LLMs may reproduce or amplify such biases. We introduce SPAGBias - the first systematic framework to evaluate spatial gender bias in LLMs. It combines a taxonomy of 62 urban micro-spaces, a prompt library, and three diagnostic layers: explicit (forced-choice resampling), probabilistic (token-level asymmetry), and constructional (semantic and narrative role analysis). Testing six representative models, we identify structured gender-space associations that go beyond the public-private divide, forming nuanced micro-level mappings. Story generation reveals how emotion, wording, and social roles jointly shape "spatial gender narratives". We also examine how prompt design, temperature, and model scale influence bias expression. Tracing experiments indicate that these patterns are embedded and reinforced across the model pipeline (pre-training, instruction tuning, and reward modeling), with model associations found to substantially exceed real-world distributions. Downstream experiments further reveal that such biases produce concrete failures in both normative and descriptive application settings. This work connects sociological theory with computational analysis, extending bias research into the spatial domain and uncovering how LLMs encode social gender cognition through language.
• Abstract（参考訳）: 大規模言語モデル(LLM)は都市計画においてますます使われてきているが、ジェンダー空間理論は、ジェンダー階層が空間組織にどのように埋め込まれているかを強調しているため、LLMがそのようなバイアスを再現または増幅するのではないかという懸念がある。 LLMにおける空間性バイアスを評価するための最初の体系的枠組みであるSPAGBiasを紹介する。 62の都市小空間の分類、急進的な図書館、および3つの診断層(明示的(強制的選択再サンプリング)、確率的(トーケンレベルの非対称性)、建設的(意味的・物語的役割分析)を組み合わせたものである。 6つの代表的なモデルを検証し、パブリック・プライベート・ディビジョンを超えて構成されたジェンダー空間の関連を同定し、ニュアンス化されたマイクロレベルのマッピングを作成する。 ストーリー生成は、感情、言葉、社会的役割が「空間的なジェンダーの物語」を共同で形成する方法を明らかにする。 また、設計、温度、モデルスケールがバイアス表現にどのように影響するかについても検討する。 追跡実験は、これらのパターンがモデルパイプライン全体(事前トレーニング、命令チューニング、報酬モデリング)に埋め込まれて強化されていることを示している。 下流の実験では、そのようなバイアスが規範的および記述的なアプリケーション設定の両方で具体的な障害を引き起こすことが明らかにされている。 この研究は社会学理論と計算分析を結びつけ、空間領域へのバイアス研究を拡張し、LLMが言語を通して社会性認知をエンコードする方法を明らかにする。

関連論文リスト

• More Women, Same Stereotypes: Unpacking the Gender Bias Paradox in Large Language Models [3.154053412440065]
  大規模言語モデル(LLM)は自然言語処理に革命をもたらしたが、社会的偏見を反映または増幅する傾向について懸念が持たれている。 本研究では,LSMにおける性別バイアスを明らかにするための新しい評価枠組みを提案する。 10の著名なLSMの体系的な分析は、職業全体にわたって女性キャラクターを過剰に表現する一貫したパターンを示している。
  論文  参考訳（メタデータ） (2025-03-20T07:15:45Z)
• GenderCARE: A Comprehensive Framework for Assessing and Reducing Gender Bias in Large Language Models [73.23743278545321]
  大規模言語モデル(LLM)は、自然言語生成において顕著な能力を示してきたが、社会的バイアスを増大させることも観察されている。 GenderCAREは、革新的な基準、バイアス評価、リダクションテクニック、評価メトリクスを含む包括的なフレームワークである。
  論文  参考訳（メタデータ） (2024-08-22T15:35:46Z)
• GenderBias-\emph{VL}: Benchmarking Gender Bias in Vision Language Models via Counterfactual Probing [72.0343083866144]
  本稿では,GenderBias-emphVLベンチマークを用いて,大規模視覚言語モデルにおける職業関連性バイアスの評価を行う。 ベンチマークを用いて15のオープンソースLVLMと最先端の商用APIを広範囲に評価した。 既存のLVLMでは男女差が広くみられた。
  論文  参考訳（メタデータ） (2024-06-30T05:55:15Z)
• Leveraging Large Language Models to Measure Gender Representation Bias in Gendered Language Corpora [9.959039325564744]
  大規模言語モデル(LLM)は、しばしば、トレーニングデータに埋め込まれた社会的バイアスを継承し、増幅する。 性バイアスとは、特定の役割や特性と特定の性別の関連性である。 ジェンダー表現バイアスは、性別の異なる個人への参照の不平等な頻度である。
  論文  参考訳（メタデータ） (2024-06-19T16:30:58Z)
• Hire Me or Not? Examining Language Model's Behavior with Occupation Attributes [7.718858707298602]
  大規模言語モデル(LLM)は、採用やレコメンデーションシステムなど、プロダクションパイプラインに広く統合されている。 本稿では、職業意思決定の文脈において、ジェンダーステレオタイプに関するLCMの行動について検討する。
  論文  参考訳（メタデータ） (2024-05-06T18:09:32Z)
• 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)
• "I'm fully who I am": Towards Centering Transgender and Non-Binary Voices to Measure Biases in Open Language Generation [69.25368160338043]
  トランスジェンダーとノンバイナリ(TGNB)の個人は、日常生活から差別や排除を不当に経験している。 オープン・ランゲージ・ジェネレーションにおいて,経験豊富なTGNB人物の疎外化を取り巻く社会的現実がいかに貢献し,持続するかを評価する。 我々はTGNB指向のコミュニティからキュレートされたテンプレートベースの実世界のテキストのデータセットであるTANGOを紹介する。
  論文  参考訳（メタデータ） (2023-05-17T04:21:45Z)
• The Birth of Bias: A case study on the evolution of gender bias in an English language model [1.6344851071810076]
  私たちは、英語のウィキペディアコーパスでトレーニングされたLSTMアーキテクチャを使って、比較的小さな言語モデルを使用します。 性別の表現は動的であり、訓練中に異なる位相を識別する。 モデルの入力埋め込みにおいて,ジェンダー情報が局所的に表現されることが示される。
  論文  参考訳（メタデータ） (2022-07-21T00:59:04Z)
• 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。