論文の概要: The Geography of Algorithmic Judgment: LLM Intermediaries, Place Identity, and Racial Steering in Housing Search

• arxiv url: http://arxiv.org/abs/2606.06694v1
• Date: Thu, 04 Jun 2026 20:17:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.43341
• Title: The Geography of Algorithmic Judgment: LLM Intermediaries, Place Identity, and Racial Steering in Housing Search
• Title（参考訳）: アルゴリズムによる判断の地理学:住宅検索における LLM 仲介, 場所同一性, およびラシアルステアリング
• Authors: Hana Samad, Trung Lam, Christoph Mügge-Durum, Michael Akinwumi,
• Abstract要約: 大規模言語モデル (LLM) は, 住宅検索における中間的役割を急速に担っている。 我々は、米国の4都市で7つのオープンウェイトおよびクローズドソースのLCMの行動監査を行います。 ステアリングは、主に静的プロパティではなく、モデルの解釈ライセンスの創発的な振る舞いであることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are rapidly assuming an intermediary role in housing search through the integration of listing platforms within conversational interfaces, mediating access to information, search, and recommendations within urban settings. We expand on prior work on racial steering in LLMs by conducting a behavioral audit of seven open-weight and closed-source LLMs across four U.S. cities, testing location recommendations across three iterative prompting conditions that progressively add lifestyle preference context and reflect fair housing paired-testing methodologies. We find that steering is an emergent behavior of the model's interpretive license rather than primarily a static property. Steering results from the interaction of a user's identity, preference articulation, and the spatial logic that a model has internalized about learned representations of place, preference, and opportunity in a given city, and how different types of users relate to it. While steering was present, it was not uniform in direction or magnitude across evaluated conditions. Preference-conditioned testing often increased or reconfigured the number of models that exhibited steering behaviors relative to baseline conditions, suggesting that LLMs may interpret what the same housing preference means differently depending on the racial identity of the user. Our findings also demonstrate that the city is not a neutral testing unit for LLM evaluation in place-based sectors, and results from one local market cannot be assumed to generalize to another. Local and domain expertise will be required in the housing sector to ensure that legal and institutional commitments to fair housing are not undermined while adopting AI tools that mediate spatial access.
• Abstract（参考訳）: 大規模言語モデル (LLM) は、対話型インタフェース内でのリスティングプラットフォームの統合、情報へのアクセスの仲介、都市環境における検索、レコメンデーションの仲介などを通じて、調査の中間的役割を急速に担っている。 我々は、米国の4都市にまたがる7つのオープンウェイトおよびクローズドソースLCMの行動監査を行い、ライフスタイルの嗜好を段階的に追加し、公正な住宅ペアテストの方法論を反映する3つの反復的な推奨条件をテストすることによって、LCMにおける人種的ステアリングに関する先行研究を拡大する。 ステアリングは、主に静的プロパティではなく、モデルの解釈ライセンスの創発的な振る舞いであることがわかった。 ステアリングは、ユーザのアイデンティティ、嗜好の表現、そしてモデルが特定の都市における学習した場所、嗜好、機会の表現について内部化した空間論理の相互作用から得られる。 ステアリングが存在したが, 評価条件の方向や大きさは均一ではなかった。 優先条件テストは、基準条件に対する操舵行動を示すモデルの数を増やしたり、再構成したりすることが多く、LLMは、ユーザの人種的同一性に応じて、同じ住居選好がどのような意味を持つかを解釈する可能性があることを示唆している。 また, 都市は場所ベース部門におけるLCM評価の中立的試験単位ではなく, ある地域市場からの成果が他の地域へ一般化するとは考え難いことが示唆された。 地域と地域の専門知識は、空間アクセスを仲介するAIツールを採用する際に、公正な住宅に対する法的および制度的なコミットメントが損なわれないようにするために、住宅セクターにおいて必要となる。

関連論文リスト

• Benchmarking LLMs for Community Governance Simulation with Life-history Narratives [46.86050402684712]
  大規模言語モデル(LLM)は、人間の態度や振る舞いを低コストでシミュレートするためにスケーラブルである。 本稿では,データセット,ベンチマーク,アルゴリズム,システムを対象とした総合的な研究フレームワークを提案する。 システムはカリキュラム-LoRAをクローズドループポリシー評価パイプラインに統合する。
  論文  参考訳（メタデータ） (2026-05-22T15:48:49Z)
• LiveCultureBench: a Multi-Agent, Multi-Cultural Benchmark for Large Language Models in Dynamic Social Simulations [63.478832978278014]
  大規模言語モデル(LLM)は、自律的なエージェントとしてますますデプロイされているが、評価は主に文化的適切性や評価者の信頼性よりもタスクの成功に焦点を当てている。 シミュレーション町において, LLMをエージェントとして組み込んだマルチカルチャー動的ベンチマークであるLiveCultureBenchを紹介する。
  論文  参考訳（メタデータ） (2026-03-02T15:04:16Z)
• Conversational Context Classification: A Representation Engineering Approach [0.0]
  重要な課題は、Large Language Modelsが期待される会話規範から逸脱した時期を正確に検出することである。 本稿では,RepE(Representation Engineering)とOCSVM(One-Class Support Vector Machine)の利用について概説する。 文脈内例に基づいてOCSVMをトレーニングすることにより、LLMの隠れ状態潜在空間内に堅牢な境界を確立する。
  論文  参考訳（メタデータ） (2026-01-18T06:47:35Z)
• Addressing the alignment problem in transportation policy making: an LLM approach [0.3499870393443268]
  交通計画における重要な課題は、異種旅行者の集団的嗜好が、モデル駆動型意思決定ツールによって生み出される方針からしばしば分かれることである。 本稿では,大規模言語モデル(LLM)がこのアライメント問題に対処するのに有効かどうかを検討する。
  論文  参考訳（メタデータ） (2025-10-15T04:36:38Z)
• LocationReasoner: Evaluating LLMs on Real-World Site Selection Reasoning [9.738040108018835]
  実世界のサイト選択の文脈において,大規模言語モデルの推論能力を評価するために設計されたベンチマークであるLocationReasonerを紹介する。 このベンチマークは、様々な難易度を持つクエリを慎重に作成し、制約ベースの位置情報検索のための社内ツールを備えたサンドボックス環境によってサポートされている。 ボストン、ニューヨーク、タンパの現実世界のサイト選択データに対する大規模な評価は、最先端の推論モデルが、非合理的な先駆者に対して限定的な改善をもたらすことを明らかにしている。
  論文  参考訳（メタデータ） (2025-06-16T16:23:56Z)
• MoRE-LLM: Mixture of Rule Experts Guided by a Large Language Model [54.14155564592936]
  大規模言語モデル(MoRE-LLM)によるルールエキスパートの混合を提案する。 MoRE-LLMは、トレーニング中の局所的なルールベースのサロゲートの発見と、それらの分類タスクの利用を操縦する。 LLMはルールを修正・コンテキスト化することで、ルールのドメイン知識の整合性を高める役割を担います。
  論文  参考訳（メタデータ） (2025-03-26T11:09:21Z)
• EXPRESS: An LLM-Generated Explainable Property Valuation System with Neighbor Imputation [9.741952588343086]
  提案手法は,SyStem と EXPRESS を併用した LLM- Generated Explainable PRopErty valuation SyStem を提案する。 カスタマイズ可能な欠落値計算技術を提供し、予測の不透明さに対処する。 ユーザに対して予測結果をより直感的に理解するための機能的説明を生成する。
  論文  参考訳（メタデータ） (2025-03-16T03:49:52Z)
• Diverging Preferences: When do Annotators Disagree and do Models Know? [92.24651142187989]
  我々は,4つのハイレベルクラスにまたがる10のカテゴリにまたがる相違点の分類法を開発した。 意見の相違の大部分は、標準的な報酬モデリングアプローチに反対している。 本研究は,選好の変化を識別し,評価とトレーニングへの影響を緩和する手法を開発する。
  論文  参考訳（メタデータ） (2024-10-18T17:32:22Z)
• On the steerability of large language models toward data-driven personas [98.9138902560793]
  大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。 本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T19:01:13Z)

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。