論文の概要: Anchoring LLM Gender Bias to Human Baselines: A Cross-Lingual Audit

• arxiv url: http://arxiv.org/abs/2605.30804v1
• Date: Fri, 29 May 2026 03:45:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.373037
• Title: Anchoring LLM Gender Bias to Human Baselines: A Cross-Lingual Audit
• Title（参考訳）: LLMのジェンダーバイアスを人間のベースラインにアンコールする:言語横断的な監査
• Abstract要約: 我々は、英語、韓国語、中国語、日本語で性別ステレオタイピングのための6つの大きな言語モデルを評価する。 以上の結果から, ステレオタイピングはヒトのクロスカントリーの約2.5倍の範囲に及んでいることが明らかとなった。 韓国語で促された英語中心のモデルは、候補者が既に雇われていると表明した場合でも、現地のベースラインの5倍に達した。
• 参考スコア（独自算出の注目度）: 0.9699640804685629
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We audit six large language models (LLMs) for gender stereotyping across English, Korean, Chinese, and Japanese. Three were developed primarily for English-language use (Claude, GPT, Gemini) and three for East Asian use (DeepSeek, Syn-Pro, HyperCLOVA X). We adopt the HEXACO-100 personality inventory and anchor each model against a cross-cultural human dataset spanning 48 countries to ask not whether LLMs are biased, but how far their gender attributions drift from the populations they are deployed among. Our findings show that their stereotyping spans a range roughly 2.5 times wider than the entire cross-country range found in humans, and the effect can compound across languages. One English-centric model, prompted in Korean, reached 5 times the local baseline, even when the prompt stated the candidate had already been hired, which often dampens human stereotyping. To characterize such behaviors without ranking them, we introduce a four-pattern framework -- concordance, suppression, reorganization, and amplification -- across 24 (model x language) cells. Item-level analysis reveals that translation does not just rescale stereotypes, but changes the attributes tied to it, hiding significant rearrangement under the surface while appearing well-calibrated. Our results ultimately suggest that no single debiasing pipeline is likely to address bias evenly across linguistic boundaries.
• Abstract（参考訳）: 英語,韓国語,中国語,日本語のジェンダーステレオタイピングを6つの大規模言語モデル(LLM)で評価した。 3つは主に英語用(Claude、GPT、Gemini)、3つは東アジア用(DeepSeek、Syn-Pro、HyperCLOVA X)に開発された。 我々はHEXACO-100パーソナリティインベントリを採用し、48か国にまたがる異文化の人的データセットに対して各モデルをアンカーし、LSMに偏りがあるかどうかを問う。 これらのステレオタイピングは,ヒトのクロスカントリー範囲の約2.5倍の幅があり,その効果は多言語にまたがる可能性がある。 韓国で導入された英語中心のモデルは、候補者が既に雇われていると表明した場合でも、現地のベースラインの5倍に達した。 このような振る舞いをランク付けせずに特徴付けるために、24(モデルx言語)細胞に4パターンのフレームワーク(一致、抑制、再編成、増幅)を導入する。 項目レベルの分析では、翻訳は単にステレオタイプを再スケールするだけでなく、それに関連する属性を変更し、表面のかなりの再配置を隠蔽する。 以上の結果から, 言語境界の偏りに等しく対処するパイプラインは存在しないことが示唆された。

関連論文リスト

• Person-Centric Annotations of LAION-400M: Auditing Bias and Its Transfer to Models [81.45743826739054]
  大きな障壁は、LAION-400MのようなWebスケールデータセットにおける人口統計アノテーションの欠如である。 2億7600万以上のバウンディングボックスや、性別や人種/民族ラベルの認識、キャプションの自動生成など、完全なデータセットのための人中心アノテーションを作成します。 それらを用いて、黒人や中東と見なされる男性や個人と犯罪に関連する負のコンテンツとの不均等な結びつきなど、人口不均衡や有害な関連を明らかにする。
  論文  参考訳（メタデータ） (2025-10-04T07:51:59Z)
• Probing Gender Bias in Multilingual LLMs: A Case Study of Stereotypes in Persian [0.0]
  マルチ言語大言語モデル(LLM)におけるジェンダーステレオタイプを明らかにするテンプレートベースの探索手法を提案する。 我々は,異なる言語的特徴を持つ低リソース言語ペルシャに焦点をあてた4つの顕著なモデルを評価する。 以上の結果から,すべてのモデルに男女のステレオタイプが示され,ペルシャ語では全ドメインで英語よりも大きな差異が認められた。 本研究は、包括的NLPプラクティスの必要性を強調し、他の低リソース言語におけるバイアスを評価するためのフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-09-24T14:34:17Z)
• 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)
• Measuring South Asian Biases in Large Language Models [1.5903891569492878]
  本研究は,Large Language Models (LLMs) の多言語および交叉解析を行うことにより,ギャップに対処する。 我々は、性別、宗教、婚姻状況、子供の数など、未発見の交差点を捉えた文化的根拠に基づく偏見辞書を構築した。 Indo-Aryan言語とDravidian言語における文化的偏見を減らすための2つの自己バイアス戦略を評価する。
  論文  参考訳（メタデータ） (2025-05-24T02:18:17Z)
• Breaking Language Barriers or Reinforcing Bias? A Study of Gender and Racial Disparities in Multilingual Contrastive Vision Language Models [28.944990804599893]
  M-CLIP, NLLB-CLIP, CAPIVARA-CLIP, and the debiased SigLIP-2。 人種と性別の偏見を定量化し、ステレオタイプ増幅を測定する。
  論文  参考訳（メタデータ） (2025-05-20T10:14:00Z)
• Colombian Waitresses y Jueces canadienses: Gender and Country Biases in Occupation Recommendations from LLMs [15.783346695504344]
  本研究は,多言語交叉国とジェンダーバイアスに関する最初の研究である。 25の国と4つの代名詞セットを用いて、英語、スペイン語、ドイツ語でプロンプトのベンチマークを構築した。 モデルが性別や国ごとに同性を示す場合であっても、国と性別の両方に基づく交叉的職業バイアスが持続することがわかった。
  論文  参考訳（メタデータ） (2025-05-05T08:40:51Z)
• Multilingual Text-to-Image Generation Magnifies Gender Stereotypes and Prompt Engineering May Not Help You [64.74707085021858]
  多言語モデルは、モノリンガルモデルと同様に、有意な性別バイアスに悩まされていることを示す。 多言語モデルにおけるジェンダーバイアスの研究を促進するための新しいベンチマークMAGBIGを提案する。 以上の結果から,モデルが強い性バイアスを示すだけでなく,言語によって異なる行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2024-01-29T12:02:28Z)
• Multilingual large language models leak human stereotypes across language boundaries [25.903732543380528]
  モデルを多言語で訓練すると、ある言語で表現されたステレオタイプが、別の言語でモデルの振る舞いに現れる可能性がある。 ステレオタイプ漏洩の測定フレームワークを提案し,その影響を英語,ロシア語,中国語,ヒンディー語で調査する。 GPT-3.5は最もステレオタイプのリークであり,Hindiは最もリークの影響を受けやすい。
  論文  参考訳（メタデータ） (2023-12-12T10:24:17Z)
• Cross-lingual Transfer Can Worsen Bias in Sentiment Analysis [12.767209085664247]
  異言語間移動では性別や人種的偏見が輸入されるか検討する。 言語間移動を用いたシステムは通常、モノリンガルのシステムよりも偏りが強くなる。 また、人種バイアスはジェンダーバイアスよりもずっと多いことが分かっています。
  論文  参考訳（メタデータ） (2023-05-22T04:37:49Z)
• Comparing Biases and the Impact of Multilingual Training across Multiple Languages [70.84047257764405]
  ダウンストリーム感情分析タスクにおいて,イタリア語,中国語,英語,ヘブライ語,スペイン語のバイアス分析を行う。 我々は、既存の感情バイアスのテンプレートを、人種、宗教、国籍、性別の4つの属性で、イタリア語、中国語、ヘブライ語、スペイン語に適応させる。 以上の結果から,各言語の文化に支配的な集団の嗜好など,バイアス表現の類似性を明らかにした。
  論文  参考訳（メタデータ） (2023-05-18T18:15:07Z)
• An Analysis of Social Biases Present in BERT Variants Across Multiple Languages [0.0]
  多様な言語からなる単言語BERTモデルにおけるバイアスについて検討する。 文の擬似類似度に基づいて,任意のバイアスを測定するテンプレートベースの手法を提案する。 偏見探索の現在の手法は言語に依存していると結論付けている。
  論文  参考訳（メタデータ） (2022-11-25T23:38:08Z)
• Quantifying Gender Bias Towards Politicians in Cross-Lingual Language Models [104.41668491794974]
  代名詞として政治家の名前を取り巻く言語モデルによって生成される形容詞と動詞の用法を定量化する。 死者や指定された言葉が男女の政治家と関連しているのに対し、美人や離婚といった特定の言葉が主に女性政治家に関係していることが判明した。
  論文  参考訳（メタデータ） (2021-04-15T15:03:26Z)
• How True is GPT-2? An Empirical Analysis of Intersectional Occupational Biases [50.591267188664666]
  下流のアプリケーションは、自然言語モデルに含まれるバイアスを継承するリスクがある。 一般的な生成言語モデルであるGPT-2の作業バイアスを分析した。 特定の仕事について、GPT-2は米国におけるジェンダーと民族の社会的偏見を反映しており、場合によってはジェンダー・パリティの傾向を反映している。
  論文  参考訳（メタデータ） (2021-02-08T11:10:27Z)
• Gender Bias in Multilingual Embeddings and Cross-Lingual Transfer [101.58431011820755]
  多言語埋め込みにおけるジェンダーバイアスとNLPアプリケーションの伝達学習への影響について検討する。 我々は、バイアス分析のための多言語データセットを作成し、多言語表現におけるバイアスの定量化方法をいくつか提案する。
  論文  参考訳（メタデータ） (2020-05-02T04:34:37Z)

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。