論文の概要: Neutrality Bites: Gender Representation in AI-Generated Animal Stories

• arxiv url: http://arxiv.org/abs/2606.07969v1
• Date: Sat, 06 Jun 2026 04:04:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.591393
• Title: Neutrality Bites: Gender Representation in AI-Generated Animal Stories
• Title（参考訳）: 中立のビット:AIによる動物ストーリーにおけるジェンダー表現
• Authors: Imani Finkley, Yuanxi Li, Melanie Walsh,
• Abstract要約: 本研究では,大きな言語モデルが,一般的であいまいな物語の文脈において,ジェンダーの割り当てをどのように扱うかを検討する。 モデルでは、物語の動物キャラクターの性別付けをしばしば避けている。 性別が割り当てられると、男性には大きな偏見がある。
• 参考スコア（独自算出の注目度）: 2.2985658009646586
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gender bias in AI-generated stories is a well-documented problem. While much attention has been paid to reducing or mitigating this bias, it is not always clear whether interventions produce genuinely fairer results. To investigate this issue, we examine how large language models (LLMs) handle gender assignment in a narrative context that is popular, highly ambiguous, and also known to closely reproduce human stereotypes: stories about talking animals. We prompt six leading LLMs to complete an English-language story about seven different anthropomorphic animal characters whose gender is unstated. We additionally iterate with four different narrative settings and a range of model temperatures. Across the 23.8K stories, we find that models frequently avoid gendering the animal character in the story (19% on average) or use gender-neutral language like "it" or "its" (38.2% on average). However, when gender is assigned, there is a significant masculine bias. Feminine animal characters are virtually absent, present in just 2.2% of stories vs. 40.6% that feature masculine characters. Our findings point to a broader argument: neutrality bites. In other words, models that prioritize neutrality to address social bias may actually contribute to the erasure of marginalized perspectives and identities. We suggest that alternative strategies beyond neutrality need to be pursued, such as ones that more equally distribute social possibilities across imagined subjects.
• Abstract（参考訳）: AI生成ストーリーにおけるジェンダーバイアスは、文書化された問題である。 このバイアスを減らすか緩和するために多くの注意が払われているが、介入が真に公平な結果をもたらすかどうかは必ずしも明確ではない。 そこで本研究では,言語モデル(LLM)が,人間のステレオタイプを忠実に再現することが知られている物語的文脈において,ジェンダーの割り当てをどのように扱うかを検討する。 我々は、性別が定かでない7つの異なる人為的動物キャラクターについての英語の物語を6つのLLMに完成させるよう促す。 さらに4つの異なる物語設定と、さまざまなモデル温度で繰り返します。 23.8Kのストーリー全体で、モデルでは、ストーリー内の動物キャラクターの性別(平均で19%)を避けたり、「イット」や「イット」のようなジェンダーニュートラルな言語(平均で38.2%)を使う場合が多い。 しかし、性別が割り当てられると、男性には大きな偏見がある。 女性の動物キャラクターは事実上欠落しており、男性キャラクターが特徴の2.2%、女性キャラクターが40.6%である。 我々の発見はより広い議論を示唆している:中立性は噛み付く。 言い換えれば、社会的偏見に対処するために中立性を優先するモデルは、実際には、疎外された視点とアイデンティティの消去に寄与する可能性がある。 例えば、想像上の主題にまたがって社会的可能性をより均等に分散させるような、中立性を超えた代替戦略を追求する必要があると提案する。

関連論文リスト

• Investigating Gender Bias in LLM-Generated Stories via Psychological Stereotypes [8.091664636677637]
  本研究では,大規模言語モデル(LLM)におけるジェンダーバイアスについて,心理学で研究されたジェンダーステレオタイプを用いて検討する。 我々は,25の心理的ステレオタイプから1,2,6のランダム属性に無条件または条件付きのいずれかの短いストーリーを含むStereoBias-Storiesという新しいデータセットを紹介した。 これらの属性に反応して、全体の物語におけるジェンダーコントリビューションがどのように変化するかを分析し、3つの重要な知見を提示する。
  論文  参考訳（メタデータ） (2025-08-05T10:10:26Z)
• Will the Prince Get True Love's Kiss? On the Model Sensitivity to Gender Perturbation over Fairytale Texts [80.21033860436081]
  本稿では, モデルが非現実的データ拡張を通じて, ジェンダーステレオタイプ摂動にどう反応するかを検討する。 実験結果から, 性別の摂動に直面すると, モデルの性能低下がわずかであることがわかった。 反現実的なトレーニングデータに基づいて微調整を行うと、モデルは反ステレオタイプな物語に対してより堅牢になる。
  論文  参考訳（メタデータ） (2023-10-16T22:25:09Z)
• VisoGender: A dataset for benchmarking gender bias in image-text pronoun resolution [80.57383975987676]
  VisoGenderは、視覚言語モデルで性別バイアスをベンチマークするための新しいデータセットである。 We focus to occupation-related biases in a hegemonic system of binary gender, inspired by Winograd and Winogender schemas。 我々は、最先端の視覚言語モデルをいくつかベンチマークし、それらが複雑な場面における二項性解消のバイアスを示すことを発見した。
  論文  参考訳（メタデータ） (2023-06-21T17:59:51Z)
• Model-Agnostic Gender Debiased Image Captioning [29.640940966944697]
  イメージキャプションモデルは、トレーニングセットにおける有害な社会的バイアスを永続化し、増幅することが知られている。 我々は、合成バイアスされたサンプルから学習し、両方のバイアスを減少させるLIBRAというフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-07T15:30:49Z)
• A Moral- and Event- Centric Inspection of Gender Bias in Fairy Tales at A Large Scale [50.92540580640479]
  7つの文化から得られた624個の妖精物語を含む妖精物語データセットにおいて,ジェンダーバイアスを計算的に解析した。 その結果,男性キャラクターの数は女性キャラクターの2倍であり,男女表現が不均等であることが判明した。 女性キャラクターは、注意、忠誠、尊厳に関する道徳的な言葉とより関連しているのに対し、男性キャラクターは、公正、権威に関する道徳的な単語とより関連している。
  論文  参考訳（メタデータ） (2022-11-25T19:38:09Z)
• Uncovering Implicit Gender Bias in Narratives through Commonsense Inference [21.18458377708873]
  モデル生成物語における主人公に関連する性別バイアスについて検討する。 暗黙のバイアスに注目し、コモンセンス推論エンジンを使ってそれらを明らかにする。
  論文  参考訳（メタデータ） (2021-09-14T04:57:45Z)
• 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。