論文の概要: Political Plasticity: An Analysis of Ideological Adaptability in Large Language Models

• arxiv url: http://arxiv.org/abs/2605.08415v1
• Date: Fri, 08 May 2026 19:21:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.626224
• Title: Political Plasticity: An Analysis of Ideological Adaptability in Large Language Models
• Title（参考訳）: 政治塑性 : 大規模言語モデルにおけるイデオロギー的適応性の分析
• Authors: Bruno Bianchi, Diego Tiscornia, Matias Travizano, Ariel Futoransky,
• Abstract要約: ポリティカル・プラスティック(Political plasticity)とは、ユーザが提供したコンテキストに基づいて、モデルが応答に適応する能力である。 この研究は、ユーザのプロンプトなど、政治的偏見を誘発するいくつかの方法を探究した。 質問の感覚を反転させると、ほとんどのモデルでは予期せぬ、直感に反する変化が明らかになる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Since the advent of Large Language Models (LLMs), a significant area of research has focused on their intrinsic biases, particularly in political discourse. This study investigates a different but related concept, "political plasticity", which is defined as the capacity of models to adapt their responses based on the user supplied context. To analyze this, a testing framework was developed using an expanded corpus of 200 politically-oriented questions across economic and personal freedom axes, based on a prior framework by Lester (1996). The study explored several methods to induce political bias, including simplified and topic-based system prompts, as well as user prompts with few-shot examples. The results show that while system prompts were largely ineffective, user prompts successfully elicited significant ideological shifts, particularly along the Economic Freedom axis in larger and newer models. Through a validation experiment, we examined whether models answer questionnaires by recognizing the underlying question format. Inverting the sense of the questions revealed unexpected, counter-intuitive shifts in most models, suggesting potential data leakage. Finally, we also analyzed how model plasticity varies when the experiment is conducted in different languages. The results reveal subtle yet notable shifts across each of the analyzed languages. Overall, our results indicate that small and older LLMs exhibit limited or unstable political plasticity, whereas newer frontier models display reliable, expected adaptability.
• Abstract（参考訳）: 大規模言語モデル (LLMs) の出現以来、重要な研究分野は内在的偏見、特に政治的議論に焦点を当ててきた。 本研究では,ユーザが提供した状況に基づいて,モデルが応答に適応する能力として定義される,異なるが関連する概念である「政治的可塑性」について検討する。 これを分析するために、Lester (1996) の以前の枠組みに基づいて、経済と個人の自由を軸とする200の政治的指向の質問を拡大したコーパスを用いて、テストフレームワークを開発した。 この研究では、単純化されたトピックベースのシステムプロンプトや、少数例のユーザプロンプトなど、政治的バイアスを誘発するいくつかの方法を検討した。 その結果、システムプロンプトはほとんど効果が無かったが、ユーザープロンプトは大きなモデルや新しいモデルにおいて、特に経済自由軸に沿った重要なイデオロギー的変化を誘発することに成功した。 検証実験を通じて,基礎となる質問形式を認識し,モデルが回答するかどうかを検討した。 質問の感覚を逆転させると、ほとんどのモデルでは予期せぬ、直感に反する変化が見られ、潜在的なデータ漏洩が示唆された。 最後に,実験を異なる言語で行うと,モデル可塑性がどう変化するか分析した。 その結果、分析された各言語に微妙ながら注目すべき変化が明らかになった。 以上の結果から,小・小のLSMは政治的可塑性が限定的あるいは不安定であるのに対し,新しいフロンティアモデルでは信頼性が高く,適応性も期待できることがわかった。

関連論文リスト

• Artificial Authority: From Machine Minds to Political Alignments. An Experimental Analysis of Democratic and Autocratic Biases in Large-Language Models [0.11853986437641513]
  政治的信念は、歴史的、文化的、制度的な文脈を反映して、国によって大きく異なる。 生成的人工知能の出現は、大規模なコーパスで訓練された政治宇宙エージェントに新しいエージェントを導入する。 本稿では,Large Language Models (LLM) が,民主的・独裁的世界観と整合性を示すか否かを考察する。
  論文  参考訳（メタデータ） (2025-09-29T11:26:58Z)
• Mapping Geopolitical Bias in 11 Large Language Models: A Bilingual, Dual-Framing Analysis of U.S.-China Tensions [2.8202443616982884]
  本研究は,11大言語モデル(LLM)における地政学的バイアスを系統的に解析する。 モデル出力のイデオロギー的傾きを検出するために,19,712個のプロンプトを作成した。 米国をベースとしたモデルは、主に米国支持の姿勢を好んでおり、一方中国のモデルでは、中国支持の偏見が顕著であった。
  論文  参考訳（メタデータ） (2025-03-31T03:38:17Z)
• 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)
• Political Bias in LLMs: Unaligned Moral Values in Agent-centric Simulations [0.0]
  モーラル・ファンデーション理論アンケートにおいて,パーソナライズされた言語モデルと人間の反応がどのように一致しているかを検討する。 我々は、オープンソースの生成言語モデルを異なる政治的ペルソナに適応させ、これらのモデルを繰り返し調査し、合成データセットを生成する。 解析の結果,モデルが複数の繰り返しにまたがって不整合な結果をもたらし,高い応答差が生じることがわかった。
  論文  参考訳（メタデータ） (2024-08-21T08:20:41Z)
• Political Compass or Spinning Arrow? Towards More Meaningful Evaluations for Values and Opinions in Large Language Models [61.45529177682614]
  我々は,大規模言語モデルにおける価値と意見の制約評価パラダイムに挑戦する。 強制されない場合、モデルが実質的に異なる答えを与えることを示す。 我々はこれらの知見をLLMの価値と意見を評価するための推奨とオープンな課題に抽出する。
  論文  参考訳（メタデータ） (2024-02-26T18:00:49Z)
• 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)
• Large Language Models Are Latent Variable Models: Explaining and Finding Good Demonstrations for In-Context Learning [104.58874584354787]
  近年,事前学習型大規模言語モデル (LLM) は,インコンテキスト学習(in-context learning)として知られる推論時少数ショット学習能力を実現する上で,顕著な効率性を示している。 本研究では,現実のLLMを潜在変数モデルとみなし,ベイズレンズによる文脈内学習現象を考察することを目的とする。
  論文  参考訳（メタデータ） (2023-01-27T18:59:01Z)
• AES Systems Are Both Overstable And Oversensitive: Explaining Why And Proposing Defenses [66.49753193098356]
  スコアリングモデルの驚くべき逆方向の脆さの原因について検討する。 のモデルとして訓練されているにもかかわらず、単語の袋のように振る舞うことを示唆している。 高い精度で試料を発生させる過敏性と過敏性を検出できる検出ベース保護モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-24T03:49:38Z)

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。