論文の概要: Auditing LLM-Governed Social Robots with Culture-Specific Moral Gradients

• arxiv url: http://arxiv.org/abs/2606.28345v1
• Date: Tue, 02 Jun 2026 10:22:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-05 17:01:29.588038
• Title: Auditing LLM-Governed Social Robots with Culture-Specific Moral Gradients
• Title（参考訳）: 文化に特有なモラル勾配を有するLLM支配型社会ロボットの検討
• Abstract要約: LLMが支配する社会ロボットは、誰がまず現実の援助を受けるかを決める。 優先順位付け基準は、年齢、ステータス、グループサイズによって文化によって異なるため、複数をキャリブレーションする失敗は、不平等なアクセスへとスケールすることができる。 LLM道徳的トレードオフ行動の多言語評価のための勾配に基づく監査フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 13.60111351173797
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM-governed social robots increasingly decide who receives real-world assistance first. As prioritization norms vary across cultures by age, status, and group size, failure to calibrate pluralistically can scale into unequal access. Yet LLM moral audits remain English-centered, rarely test embodied contexts, leaving pluralistic calibration as an urgent diagnostic gap amid intensifying LLM-robot deployment. We introduce a gradient-based audit framework for multilingual evaluation of LLM moral trade-off behavior against cultural preference gradients. Grounded in nine cross-domain social robotics reviews (>8,000 papers), we derive symmetry-controlled scenarios across care, education, and services, translating the Moral Machine Experiment's "whom to spare" into "whom to assist first" dilemmas with preserved identity trade-offs (many vs. few; young vs. old; higher vs. lower status). We audit four LLMs across four country-language pairs in four prompting regimes (57,600 decisions), benchmarked against country-specific MME preference gradients. Ordinal concordance tests whether models differentiate cultural contexts; a governance typology maps vulnerabilities in gradient differentiation, directional tendency, and deliberation. We find persistent, culturally asymmetric gradient tracking failures that prompting alone cannot reliably correct: quality calibration is nearly twice as strong for Western-language decisions as for Chinese and Japanese; high determinism in majority-first trade-offs often erases cross-cultural gradients; partial sensitivity to age- and status-based norms risks sidelining minorities. Prompting effects are uneven; only contrastive exemplars yield consistent gains, while reasoning-only prompts can worsen tracking. Our results motivate multilingual, pluralistic audits as an LLM-robot pre-deployment gate and suggest model factors are a more robust lever than prompting alone.
• Abstract（参考訳）: LLMが支配する社会ロボットは、誰がまず現実の援助を受けるかを決める。 優先順位付け基準は、年齢、地位、グループサイズによって文化によって異なるため、複数をキャリブレーションする失敗は、不平等なアクセスへとスケールすることができる。 しかし、LLMのモラル監査は英語中心で実施されることは稀であり、LSMロボットの展開が激化する中で、緊急診断ギャップとして多元的校正が残されている。 文化的嗜好勾配に対するLLM道徳的トレードオフ行動の多言語評価のための勾配に基づく監査フレームワークを提案する。 9つのクロスドメイン社会ロボティクスレビュー(>8,000論文)に基づいて、ケア、教育、サービスにまたがる対称性制御されたシナリオを導出し、Moral Machine Experimentの"Whom to spare"を、保存されたアイデンティティトレードオフを持つ"Whom to assist first"ジレンマに翻訳する。 我々は、4つの国語対を4つの国語体制(57,600の判断)で比較し、国固有のMME選好勾配と比較した。 モデルが文化的文脈を区別するかどうかを通常の一致でテストし、ガバナンスの型は、勾配の分化、方向性の傾向、熟考の脆弱性をマッピングする。 品質キャリブレーションは、中国語と日本語の2倍近い西欧語の判断力を持ち、多数派ファーストのトレードオフにおける高い決定性は、しばしば文化的な勾配を消し去る、年齢やステータスに基づく規範に対する部分的な感受性は、マイノリティを左右するリスクを負う。 プロンプト効果は不均一であり、対照的な例えだけが一貫した利得をもたらす一方、推論のみのプロンプトは追跡を悪化させる。 LLM-robot pre-deployment gateとして多言語・多言語監査を動機とし,モデル因子は単独で行うよりも頑健なレバーであることが示唆された。

関連論文リスト

• Pluralis v0.1: Towards a Multicultural, Multimodal, Multilingual Benchmark for AI Risk and Reliability [46.80780735011334]
  現在のAIの安全性評価とベンチマークフレームワークは、重要な地域法、社会言語的ニュアンス、文化タブーを隠蔽する西洋中心の文化非依存のデフォルトに依存している。 Pluralis v0.1は、文化第一の観点から構築された、新しいマルチモーダル、マルチリージョン、マルチ言語データセットである。
  論文  参考訳（メタデータ） (2026-07-07T12:21:52Z)
• Whose Norms? Disentangling Cultural and Personal Alignment in Large Language Models [66.34115263472931]
  大規模言語モデルは、文化的規範と個人の嗜好のバランスを必要とする社会的意思決定の状況にますます使われてきている。 PACT(Personal-Preference and Cultural-Norm Trade-off framework)を導入し,モデルが文化的規範に従うか,あるいは個人の嗜好を許容するかを評価する。 PACTに関する5つの国による研究は、人間の文化のフォローは主にシナリオ国によって行われており、参加者が自身の文化的文脈を判断する際の合意は最低であることを示している。
  論文  参考訳（メタデータ） (2026-06-05T22:20:30Z)
• 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)
• LLMs and Cultural Values: the Impact of Prompt Language and Explicit Cultural Framing [0.21485350418225244]
  大規模言語モデル(LLM)は、世界中のユーザによって急速に採用され、さまざまな言語でそれらと対話している。 言語と文化のフレーミングが、異なる国の人的価値にどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2025-11-06T02:09:29Z)
• One Model, Many Morals: Uncovering Cross-Linguistic Misalignments in Computational Moral Reasoning [23.56514813420256]
  大規模言語モデル(LLM)における言語が道徳的意思決定をどのように仲介するかを検討する。 我々の分析は、LLMの言語間の道徳的判断に重大な矛盾があることを示し、しばしば文化的不一致を反映している。 我々は、私たちの洞察を、より文化的に認識されたAIを要求する道徳的推論エラーの構造化されたタイプロジーに精査する。
  論文  参考訳（メタデータ） (2025-09-25T19:14:17Z)
• Which Cultural Lens Do Models Adopt? On Cultural Positioning Bias and Agentic Mitigation in LLMs [53.07843733899881]
  大規模言語モデル(LLM)は、幅広い下流生成アプリケーションをアンロックした。 また、米国主流の文化の観点から、文化にまつわる微妙な公平性の問題に対処し、世代を配置するリスクも見いだす。 本稿では、これらのバイアスを解決するための2つの推論時間緩和法を提案する。
  論文  参考訳（メタデータ） (2025-09-25T12:28:25Z)
• Do Large Language Models Understand Morality Across Cultures? [0.5356944479760104]
  本研究では,大規模言語モデルが道徳的視点における異文化間差異や類似性をどの程度捉えているかを検討する。 以上の結果から,現在のLLMは多文化的モラル変動の完全なスペクトルを再現できないことが示唆された。 これらの知見は, LLMのバイアス軽減と文化的代表性向上に向けた, より堅牢なアプローチの必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-07-28T20:25:36Z)
• Cultural Bias in Large Language Models: Evaluating AI Agents through Moral Questionnaires [0.0]
  大きな言語モデルは、言語能力にもかかわらず、多様な文化的道徳的枠組みを表現できない。 驚くべきことに、モデルのサイズが大きくなることは、文化的な表現の忠実さを継続的に改善するわけではない。 我々の結果は、AIシステムが多様な人間の価値を表すことを保証するために、より基礎的なアライメント目標と評価指標を求めている。
  論文  参考訳（メタデータ） (2025-07-14T08:59:26Z)
• Large Language Models Reflect the Ideology of their Creators [71.65505524599888]
  大規模言語モデル(LLM)は、自然言語を生成するために大量のデータに基づいて訓練される。 本稿では, LLMのイデオロギー的姿勢が創造者の世界観を反映していることを示す。
  論文  参考訳（メタデータ） (2024-10-24T04:02:30Z)
• Language Model Alignment in Multilingual Trolley Problems [138.5684081822807]
  Moral Machine 実験に基づいて,MultiTP と呼ばれる100以上の言語でモラルジレンマヴィグネットの言語間コーパスを開発する。 分析では、19の異なるLLMと人間の判断を一致させ、6つのモラル次元をまたいだ嗜好を捉えた。 我々は、AIシステムにおける一様道徳的推論の仮定に挑戦し、言語間のアライメントの顕著なばらつきを発見した。
  論文  参考訳（メタデータ） (2024-07-02T14:02:53Z)

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。