論文の概要: Greener Than Humans? Environmental Attitudes in Large Language Models

• arxiv url: http://arxiv.org/abs/2606.02741v1
• Date: Mon, 01 Jun 2026 18:05:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.526386
• Title: Greener Than Humans? Environmental Attitudes in Large Language Models
• Title（参考訳）: 人間より緑か? : 大規模言語モデルにおける環境意識
• Authors: Stefanie Kunkel, Tilman Hartwig, Marcus Voss, Emma K. Schütt, Angelika Gellrich,
• Abstract要約: 大規模言語モデル(LLM)は、サステナビリティ関連の意思決定サポート、レポート、公開通信にますます利用されている。 本稿では,LLMにおける環境認知,影響,行動,レコメンデーションを評価するためのベンチマークを開発する。
• 参考スコア（独自算出の注目度）: 0.21748200848556343
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly used in sustainability-related decision support, reporting, and public communication, yet little systematic evidence exists on the environmental attitudes embedded in their outputs. This paper develops a benchmark for evaluating environmental cognition, affect, and behavioural recommendations in LLMs and applies it to 31 widely used proprietary and open-weight models. Drawing on questions from established environmental awareness surveys and additional sustainability-related behavioural measures, we compare LLM responses 1) among models and 2) between models and human survey benchmarks from Germany. We assess their robustness across prompting conditions. We find that many LLMs align more closely with environmentally progressive attitudes than the average survey respondent, exhibiting higher levels of environmental affect and cognition and recommending behaviours associated with substantial potential CO2 reductions. At the same time, we observe no systematic relationship between sustainability-oriented responses and model origin, size, or release context. However, models exhibit contextual sensitivity, controlled by persona-based prompting and show sycophantic shifts mirroring user-specified ideological positions, which raises concerns about steerability and normative reliability in real-world deployments. Our findings provide a reusable evaluation framework for assessing sustainability-related value alignment in LLMs and highlight the importance of governance, transparency, and critical oversight as AI systems become increasingly embedded in sustainability transformations and public decision-making.
• Abstract（参考訳）: 大規模言語モデル (LLM) は、サステナビリティ関連の意思決定支援、報告、および公共通信にますます利用されているが、その出力に埋め込まれた環境姿勢に関する体系的な証拠はほとんど存在しない。 本稿では, LLMにおける環境認知, 影響, 行動レコメンデーションを評価するためのベンチマークを開発し, 広く利用されている31のプロプライエタリ・オープンウェイトモデルに適用する。 環境意識調査と持続可能性関連行動対策に関する質問書の作成とLCMの反応の比較 1)模型及び模型 2)ドイツにおけるモデルと人為的調査のベンチマーク。 我々はその強靭さを刺激条件を越えて評価する。 多くのLCMは, 環境影響や認知のレベルが高く, 潜在的なCO2削減にともなう行動が推奨されている。 同時に、持続可能性指向応答とモデルの起源、サイズ、リリースコンテキストとの間には、体系的な関係は見つからない。 しかしながら、モデルでは、ペルソナベースのプロンプトによって制御され、ユーザが特定したイデオロギー的位置を反映するシコファン的シフトを示し、現実のデプロイメントにおいて、ステアビリティと規範的信頼性に関する懸念を提起する。 我々の研究は、LLMにおける持続可能性関連価値アライメントを評価するための再利用可能な評価フレームワークを提供し、AIシステムがサステナビリティ・トランスフォーメーションや公開意思決定にますます浸透するにつれて、ガバナンス、透明性、重要な監視の重要性を強調している。

関連論文リスト

• Toward Sustainable Generative AI: A Scoping Review of Carbon Footprint and Environmental Impacts Across Training and Inference Stages [2.2758077237273846]
  生成AIは急速に普及し、社会的、経済的に重要な価値を生み出している。 大規模サービス運用において発生した累積的環境フットプリントは,比較的少なくなった。 本研究は,AIカーボンフットプリント評価における方法論と研究動向のスコーピングレビューを行う。
  論文  参考訳（メタデータ） (2025-11-21T11:59:34Z)
• A Detailed Study on LLM Biases Concerning Corporate Social Responsibility and Green Supply Chains [6.8883812743678865]
  本研究では,大規模言語モデルの違いが,ビジネスにおける倫理と責任の役割に関する評価調査にどのように反応するかを検討する。 4種類の組織文化タイプで差異が増すか否かを評価し, 偏見の実践的妥当性を評価する。
  論文  参考訳（メタデータ） (2025-11-03T18:48:48Z)
• Choosing a Model, Shaping a Future: Comparing LLM Perspectives on Sustainability and its Relationship with AI [6.8883812743678865]
  本研究では,5つの最先端の大規模言語モデルが持続可能性とそのAIとの関係をいかに概念化しているかを体系的に検討する。 評価,持続可能性に関する質問紙調査を1モデルにつき100回ずつ実施し,反応パターンと変動性について検討した。 この結果から,モデル選択が組織的サステナビリティ戦略に大きく影響を与える可能性が示唆された。
  論文  参考訳（メタデータ） (2025-05-20T14:41:56Z)
• REVAL: A Comprehension Evaluation on Reliability and Values of Large Vision-Language Models [59.445672459851274]
  REVALは、Large Vision-Language Modelsの textbfREliability と textbfVALue を評価するために設計された包括的なベンチマークである。 REVALには144K以上の画像テキストビジュアル質問回答(VQA)サンプルが含まれており、信頼性と価値の2つの主要なセクションで構成されている。 主流のオープンソースLVLMや,GPT-4oやGemini-1.5-Proといった著名なクローズドソースモデルを含む26のモデルを評価した。
  論文  参考訳（メタデータ） (2025-03-20T07:54:35Z)
• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [69.38041171537573]
  水質は環境の持続可能性、生態系の回復力、公衆衛生に基礎を置いている。 ディープラーニングは、大規模な水質予測と科学的洞察生成のための変革的なポテンシャルを提供する。 汚染緩和や資源配分等、高額な運用上の意思決定に広く採用されていることは、未解決の信頼性の課題によって防止されている。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• Advancing Sustainability via Recommender Systems: A Survey [23.364932316026973]
  ヒトの行動パターンと消費パラダイムは、環境劣化と気候変動において重要な決定要因として現れてきた。 持続可能性原則を取り入れて、環境意識と社会的に責任のある選択を育む、持続可能なレコメンデーターシステムの必要性が不可欠である。 本研究は, 持続可能なレコメンデーションシステムの体系的分析によって, この重要な研究ギャップに対処するものである。
  論文  参考訳（メタデータ） (2024-11-12T09:19:32Z)
• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• Discovering and Reasoning of Causality in the Hidden World with Large Language Models [109.62442253177376]
  我々はCausal representatiOn AssistanT(COAT)と呼ばれる新しいフレームワークを開発し、因果発見に有用な測定変数を提案する。 大規模言語モデル (LLM) と因果関係を直接推論する代わりに、COAT は中間因果発見結果から LLM へのフィードバックを構築し、提案した変数を洗練させる。
  論文  参考訳（メタデータ） (2024-02-06T12:18:54Z)
• FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
  我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。 その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。 河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-17T00:53:09Z)

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。