論文の概要: Unintended Effects of Geographic Conditioning in Large Language Models

• arxiv url: http://arxiv.org/abs/2606.18124v1
• Date: Tue, 16 Jun 2026 16:23:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.546942
• Title: Unintended Effects of Geographic Conditioning in Large Language Models
• Title（参考訳）: 大規模言語モデルにおける地理的条件付けの意図しない効果
• Authors: Naz Col, David M. Chan,
• Abstract要約: 地理的に中立なユーザプロンプトを受け取っているにもかかわらず、モデルが地理的参照を生成する現象である位置情報リークを評価する。 クリエイティブな書き込みとオープンなQ&Aプロンプトの両方で、最先端のLLMでさえ、ロケーションメタデータに晒された場合の地域固有のアウトプットを体系的に好んでいる。 注入された位置をプレースホルダー「未知」に置き換えることで,ベースラインの最大72倍のリークが増大する。
• 参考スコア（独自算出の注目度）: 11.644241437138339
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern conversational AI systems frequently rely on user metadata to localize responses, yet the unintended regional biases introduced by this hidden context remain poorly understood. In this work, we evaluate location leakage: the phenomenon where a model generates geographic references despite receiving a geographically neutral user prompt. Across both creative writing and open-ended Q&A prompts, even state-of-the-art LLMs systematically favor region-specific outputs when exposed to location metadata, with leakage spiking by up to 793 times above baseline (e.g., from 0.04% to 31.7% for Llama 3.1-8B, and 21.3% and 8.8% for Qwen3-8B and Claude Sonnet 4.6, respectively). Our analysis further shows a novel structural conditioning effect: replacing the injected location with the placeholder "Unknown" still elevates leakage by up to 72 times above baseline, demonstrating that the user profile frame itself, independent of any geographic content, acts as a generative conditioning signal.
• Abstract（参考訳）: 現代の会話型AIシステムは、応答をローカライズするためにユーザーメタデータに依存することが多いが、この隠れたコンテキストによってもたらされる意図しない地域バイアスはいまだに理解されていない。 本研究では,地理的に中立なユーザプロンプトを受信しても,モデルが地理的参照を生成する現象である位置情報リークを評価する。 クリエイティブな執筆とオープンエンドのQ&Aプロンプトの両方で、最先端のLLMでさえ、位置メタデータに曝されると、地域固有の出力を体系的に好んでおり、リークはベースラインより793倍も高い(例えば、Llama 3.1-8Bは0.04%から31.7%、Qwen3-8Bは21.3%、Claude Sonnet 4.6は8.8%)。 挿入された場所をプレースホルダー「未知」に置き換えた場合、ユーザープロファイルフレーム自体が任意の地理的内容に依存して生成条件信号として機能することを示す。

関連論文リスト

• Region Matters: Efficient and Reliable Region-Aware Visual Place Recognition [46.97190804063947]
  本稿では,ロバストな識別領域モデリングと適応的再ランク付けを組み合わせたFoL++を提案する。 FoL++は、軽量なメモリフットプリントで最先端のパフォーマンスを実現し、FoLよりも推論速度を40%向上させる。
  論文  参考訳（メタデータ） (2026-04-24T09:28:35Z)
• From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
  異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。 商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。 低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
  論文  参考訳（メタデータ） (2026-03-02T13:02:13Z)
• LocalBench: Benchmarking LLMs on County-Level Local Knowledge and Reasoning [9.319308493696893]
  大規模言語モデル (LLM) は, マクロな地理的タスクにおいて広く評価されてきたが, 超局所的な知識を扱う能力はいまだによく理解されていない。 アメリカ合衆国全体での郡レベルの地域知識に基づいてLSMを評価するために設計された最初のベンチマークであるLocalBenchを紹介する。 LocalBenchを用いて、クローズドブックとWeb拡張設定の両方で、13の最先端LCMを評価した。
  論文  参考訳（メタデータ） (2025-11-13T16:26:13Z)
• Where on Earth? A Vision-Language Benchmark for Probing Model Geolocation Skills Across Scales [61.03549470159347]
  視覚言語モデル (VLM) は急速に進歩しているが, オープンワールド環境における画像位置決め能力は, 網羅的に評価されていない。 我々は、視覚認識、ステップバイステップ推論、エビデンス利用を評価するVLM画像位置情報の総合ベンチマークであるEarthWhereを提示する。
  論文  参考訳（メタデータ） (2025-10-13T01:12:21Z)
• Distortions in Judged Spatial Relations in Large Language Models [45.875801135769585]
  GPT-4は55%の精度で優れた性能を示し、GPT-3.5は47%、Llama-2は45%であった。 モデルは、ほとんどの場合において最も近い基数方向を同定し、その連想学習機構を反映した。
  論文  参考訳（メタデータ） (2024-01-08T20:08:04Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• Enhancing Prototypical Few-Shot Learning by Leveraging the Local-Level Strategy [75.63022284445945]
  既存の作業では、ローカルレベルの機能をすべて混ぜることで、イメージレベルの機能に基づいた、いくつかのショットモデルを構築することがよくあります。 a) 基地と新規カテゴリーの識別的位置バイアスを回避するための地域非依存のトレーニング戦略,(b) 地域レベルの特徴の正確な比較を捉えるための新しい地域レベルの類似度尺度を提案する。
  論文  参考訳（メタデータ） (2021-11-08T08:45:15Z)

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。