論文の概要: Geopolitical alignment: Endorsement effects in large language models

• arxiv url: http://arxiv.org/abs/2607.09262v1
• Date: Fri, 10 Jul 2026 10:26:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 14:47:12.819585
• Title: Geopolitical alignment: Endorsement effects in large language models
• Title（参考訳）: 地政学的アライメント:大規模言語モデルにおける補完効果
• Abstract要約: 4つの大言語モデルが同一の国際経済・安全保障政策を評価するための支持実験について検討する。 それぞれの政策は、アメリカ合衆国、欧州連合、中国、ロシアによってランダムに支持されている。 数値のみの条件では、GPT-5、クロード・ソネット、ジェミニは、中国とロシアが支持する政策は、米国や欧州連合が支持する同じ政策よりも大幅に低い。
• 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 increasingly used to summarize and evaluate policy-relevant information, but it remains unclear whether their judgments are implicitly shaped by geopolitical cues. I study this question with an endorsement experiment in which four LLMs evaluate the same international economic and security policies after each policy is randomly described as supported by the United States, the European Union, China, or Russia. In the numeric-only condition, GPT-5, Claude Sonnet, and Gemini rate China- and Russia-endorsed policies substantially lower than identical policies endorsed by the United States or the European Union; DeepSeek is the main exception. A second condition asks models to provide a short justification with the score. This request leaves the broad Western/non-Western gap intact for GPT-5 and Claude Sonnet, attenuates Gemini's penalties, and sharply activates China and Russia penalties in DeepSeek. The justifications indicate that Western endorsement is often treated as a credibility cue, whereas Chinese and Russian endorsement is treated as a cue for data security, sovereignty, surveillance, or geopolitical risk. These findings show that LLM policy evaluations can depend on the identity of a foreign endorser even when policy content is held fixed.
• Abstract（参考訳）: 大規模言語モデル (LLMs) は政策関連情報を要約・評価するためにますます使われているが、その判断が地政学的な手がかりによって暗黙的に形づくられているかどうかは不明である。 各国の政策が、米国、欧州連合、中国、ロシアによってランダムに支持された後に、4つのLLMが同一の国際経済・安全保障政策を評価できるという支持実験により、この疑問を考察する。 数値のみの条件では、GPT-5、クロード・ソネット、ジェミニは、中国とロシアが支持する政策は、米国や欧州連合が支持する同じ政策よりも大幅に低い。 2つ目の条件は、スコアに短い正当化を与えるようモデルに求める。 この要求は、GPT-5とクロード・ソネットにとって西欧と西欧の広い隙間を残し、ジェミニの罰則を弱め、ディープシークで中国とロシアの罰則を鋭く活性化させる。 正当性は、西洋の支持は信頼の証として扱われることが多いが、中国とロシアの支持はデータセキュリティ、主権、監視、地政学的リスクのための証として扱われる。 これらの結果から, LLMの政策評価は, 政策内容が固定された場合でも, 外国人受諾者の同一性に依存する可能性が示唆された。

関連論文リスト

• PolicyMem: Geometric Policy Memory for LLM Governance [72.04962480384322]
  我々は、自然言語ポリシーを再利用可能な幾何学的メモリオブジェクトとして外部化する幾何学的ポリシーメモリであるPhysicalMemを紹介する。 メモリライターは、自然言語ポリシーをポリシーメモリスロットにコンパイルし、クエリ応答ペアはプロジェクションエネルギーを介してポリシーメモリを読み取る。 得られた政策証拠プロファイルは、安全判断を直接仲介し、政策帰属および事後検証のために再利用される。
  論文  参考訳（メタデータ） (2026-09-12T06:07:43Z)
• Can Large Language Models Anticipate Behavioral Responses to Social Policies? A Case of Pension Enrollment Prediction among China's Flexible Workers [7.812925339338843]
  中国におけるフレキシブルワーカー間での階層的年金参加予測タスクのためのドメイン特化大型言語モデルFlexPension-LLMを提案する。 DKI-RDistillは,プロビット由来の辺縁効果やフルクープロンス年金規則など,政策的な手がかりをインジェクターに注入する。 この方法はLoRA/SFTを使って、理性に富んだ指導をオープンウェイトなMoE学生に蒸留し、これらのケースを再生することで教師のエラーを修正する。
  論文  参考訳（メタデータ） (2026-09-04T14:24:27Z)
• Poli-Bias: Understanding and Measuring Large Language Model Biases in International Political Conflicts [33.852036995882465]
  Poli-Biasは、大きな言語モデルが関連する国によって異なる法的に等価な紛争シナリオを扱うかどうかを測定するためのフレームワークである。 各国のアイデンティティとユーザアフィリエイトは、国際法の下で同等の行動が説明され、評価され、守られているかに体系的に影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2026-08-06T14:54:30Z)
• Estimating the Geopolitical Preferences of Large Language Models from United Nations Voting Data [0.0]
  21世紀には、GPT-5、クロード・ソネット、ジェミニがロシアにとって恒久的な5つの中で最も近い。 DeepSeekはフランスに最も近い国であり、4つともアメリカから最も遠い国である。 その結果, モデルが表す地政学的位置は, 開発途上国と著しく異なることが明らかとなった。
  論文  参考訳（メタデータ） (2026-07-28T10:07:53Z)
• Cross-Platform Short-Video Diplomacy: Topic and Sentiment Analysis of China-US Relations on Douyin and TikTok [53.79007551410356]
  我々は、中国とアメリカのソーシャルメディアプラットフォームにおける日米関係に関する議論を、DouyinとTextitTikTokで検討する。 本研究は、中国と米国の関係に関するソーシャルメディア上での公開討論と感情を評価するために、4,040本のビデオと338,209本のユーザーコメントを分析した。
  論文  参考訳（メタデータ） (2025-10-25T19:28:58Z)
• Democratic or Authoritarian? Probing a New Dimension of Political Biases in Large Language Models [72.89977583150748]
  本研究では,大規模言語モデルとより広い地政学的価値システムとの整合性を評価する新しい手法を提案する。 LLMは一般的に民主的価値観や指導者を好んでいるが、マンダリンでの権威主義的人物に対する好意が増している。
  論文  参考訳（メタデータ） (2025-06-15T07:52:07Z)
• Geopolitical biases in LLMs: what are the "good" and the "bad" countries according to contemporary language models [52.00270888041742]
  我々は、中立なイベント記述と異なる国からの視点を対比した新しいデータセットを導入する。 以上の結果から,特定の民族的物語のモデルが好まれる,重要な地政学的偏見がみられた。 単純なデバイアスのプロンプトはこれらのバイアスを減らすのに限られた効果があった。
  論文  参考訳（メタデータ） (2025-06-07T10:45:17Z)
• On Large Language Models as Data Sources for Policy Deliberation on Climate Change and Sustainability [0.0]
  われわれは、米国の地方自治体が積極的に検討している、興味深い政策代替案をいくつか挙げる。 我々は、GPT-4を用いて、複数の基準に対するポリシーの評価スコアを得る。 我々は,TOPSISに基づく政策ランキングと情報評価演習により得られたスコアのテーブルアンサンブルの品質と妥当性を比較検討した。
  論文  参考訳（メタデータ） (2025-02-13T21:58:53Z)
• Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
  大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。 我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。 この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-15T04:02:24Z)
• Beyond prompt brittleness: Evaluating the reliability and consistency of political worldviews in LLMs [13.036825846417006]
  政治声明に対する大規模言語モデルの姿勢の信頼性と整合性を評価するための一連のテストを提案する。 本研究では, 7B から 70B までの大きさのモデルについて検討し, パラメータ数によって信頼性が向上することを確認した。 より大きなモデルは、左派政党との全体的な整合性を示すが、政策プログラムによって異なる。
  論文  参考訳（メタデータ） (2024-02-27T16:19:37Z)
• Red AI? Inconsistent Responses from GPT3.5 Models on Political Issues in the US and China [13.583047010078648]
  本稿では,GPTの多言語モデルにおける政治的バイアスについて検討する。 我々は、米国と中国の政治問題に関して、英語と簡体字の両方でGPTに同じ疑問を提起した。 両言語対応の分析の結果,GPTの政治的「知識」と政治的「態度」が中国の政治問題に大きく矛盾していることが判明した。
  論文  参考訳（メタデータ） (2023-12-15T16:25:56Z)
• Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
  大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。 本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。 観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
  論文  参考訳（メタデータ） (2023-11-15T00:02:25Z)
• Conformal Off-Policy Evaluation in Markov Decision Processes [53.786439742572995]
  強化学習は、データから効率的な制御ポリシーを特定し評価することを目的としている。 この学習タスクのほとんどの方法は、Off-Policy Evaluation (OPE)と呼ばれ、正確さと確実性を保証するものではない。 本稿では,目標方針の真報を含む区間を所定の確信度で出力するコンフォーマル予測に基づく新しいOPE手法を提案する。
  論文  参考訳（メタデータ） (2023-04-05T16:45:11Z)

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。