論文の概要: Auditing Alignment Controllability in LLMs via Political Axes

• arxiv url: http://arxiv.org/abs/2607.23519v1
• Date: Sun, 26 Jul 2026 07:38:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.140188
• Title: Auditing Alignment Controllability in LLMs via Political Axes
• Title（参考訳）: 政治軸によるLCMの配向制御性の評価
• Abstract要約: 政治監査は通常、政治的コンパスのポイントを1つに減らす。 どれくらいの距離で、どの方向で、モデルの答えを判断できるのか。 我々は,12のイデオロギー的ペルソナに対して,プロンプトベース制御性の分散第一ストレステストを実施している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Political audits of large language models (LLMs) usually reduce each to one point on a political compass. But that resting point barely matters in deployment: a model must land somewhere, and what counts is how far, and in which directions, its answers can be steered. That steering runs through the system prompt: the personalization layer a platform sets, or one induced from a user's history, not necessarily written by hand. We run a dispersion-first stress test of prompt-based controllability across 12 ideological personas plus an unsteered baseline, 70 Political Compass items, ten replicates, and seven leading LLMs: GPT-5, Claude, Grok, Gemini, DeepSeek, Kimi, and Qwen (63,700 responses). Contextual framing explains roughly 88%-93% of variance on the economic and society axes, model identity under 3%: responses are highly instruction-adjustable. Models do not shift alike: some move more, and some saturate under extreme framings. Conflicting directional-steering results in prior audits resolve once baselines are recognized as non-centered: displacement and proximity diverge, so the effect is geometric, not differential compliance. Under authoritarian prompts, models produce similar shifts on the same questions. Political-coordinate audits therefore need steerability audits reporting dispersion, symmetry, saturation, and refusal floors. We release prompts, benchmark data, and code.
• Abstract（参考訳）: 大規模言語モデル(LLM)の政治的監査は通常、政治的コンパス上の各点を1つに減らす。 モデルはどこかに着地しなくてはならないし、どれがどれくらいの距離で、どの方向でその答えを判断できるのか。 プラットフォームが設定したパーソナライゼーション層、あるいはユーザの歴史から引き起こされたもので、必ずしも手書きではない。 我々は,12のイデオロギー的人格,70の政治コンパス項目,10の複製,および7つの主要なLCM(GPT-5,Claude,Grok,Gemini,DeepSeek,Kim,Qwen(63,700の応答)を即時制御可能な分散ファーストストレステストを実行した。 文脈フレーミングは、経済と社会の軸における分散のおよそ88%-93%、モデルアイデンティティを3%以下で説明している。 モデルも同じようには動きません。もっと動くものもあれば、極端なフレーミングの下で飽和するものもあるのです。 先行監査における方向制御結果の競合は、ベースラインが非中心的であると認識されたときに解決される:変位と近接が分岐するため、その効果は幾何学的であり、差分コンプライアンスではない。 権威主義的なプロンプトの下では、モデルは同じ質問に対して同様のシフトを発生させる。 したがって、政治的調整監査には、分散、対称性、飽和、拒絶フロアを報告するステアビリティ監査が必要である。 プロンプト、ベンチマークデータ、コードをリリースします。

関連論文リスト

• Do LLMs Have Values? A Quantitative Analysis and Alignment Framework for Values in Large Language Models [49.45276299939287]
  大規模言語モデル(LLM)は、ますます複雑な主観的タスクを扱うようになっている。 LLMは、マイナーな単語変更で予測不能に変動する。 この双対性を解決することは 信頼できるAIアライメントに 不可欠です
  論文  参考訳（メタデータ） (2026-09-15T03:35:04Z)
• MindTopo: Can Foundation Models Reason in Topological Space? [52.56750995613252]
  我々は,認知科学と形式的トポロジに基づく5つの特性のトポロジ的直観のベンチマークであるMindTopoを紹介する。 MindTopoは、それぞれの特性を2つの認知レベルで評価する。Reasoning氏は、トポロジカルな関係を識別するか、どのように変化するかをモデルに求める。 すべてのMLLMは、計画よりも推論に優れており、最高のパフォーマンスモデルは、人間のパフォーマンスよりもはるかに低いままです。
  論文  参考訳（メタデータ） (2026-09-10T17:54:32Z)
• Navigating the digital spectrum: Assessing political bias, stability, and downstream fairness in Large Language Models [3.937573365677865]
  14言語にまたがる8つのGemma 3およびQwen 3モデルと3つの量子化レベルを評価した。 ほとんどのモデルは平均してリバタリアン・レフトに傾いているが、命令のフレーズ、言語、答えの形式は復元された座標に大きく影響している。 テストのリバースエンジニアリングは軸重み付けの不均衡と、中心に対する退化反応の崩壊を露呈する。
  論文  参考訳（メタデータ） (2026-09-08T12:07:30Z)
• How Identity and Opinion Shape Political Sycophancy in LLMs [17.0131514909503]
  我々は、政治的梅毒の2つの異なる引き金、すなわち意見とアイデンティティを混乱させる枠組みを導入する。 450の政治的ジレンマを手動で検査し,13の大規模言語モデルの評価を行った。 以上の結果から, LLMの政治的姿勢は, 固定形質というよりも, 対話的かつ安定的に脆弱であることが示唆された。
  論文  参考訳（メタデータ） (2026-08-29T11:12:03Z)
• Decodable Is Not Grounded: A Vision-Ablation Arbiter for VLM Spatial Reasoning [48.438568700670835]
  モデルから潜在的知識を読み出す標準的な方法は、視覚言語モデルがイメージに根ざしたものを体系的に上書きすることができる。 本研究では,空間的推論において,一直線因果制御によって露呈した探究と操舵の両方に誤差が見えないことを示す。
  論文  参考訳（メタデータ） (2026-06-30T07:33:18Z)
• Political Bias Audits of LLMs Capture Sycophancy to the Inferred Auditor [0.0]
  大規模言語モデル(LLM)は、固定アンケートに対する反応に基づいて、政治的バイアスに対して一般的に評価される。 基準的政治的バイアス監査は、部分的には、想定された監査者への幻覚的宿泊を捉えていることを示す。
  論文  参考訳（メタデータ） (2026-04-30T09:23:00Z)
• PoliticsBench: Benchmarking Political Values in Large Language Models with Multi-Turn Roleplay [0.5729426778193398]
  本研究では政治ベンチを用いた8つの著名な大規模言語モデル(LLM)の政治的偏見について検討する。 商業的に開発されたLCMが、後段のロールプレイにおいてより顕著になるような、系統的な左利きバイアスを示すかどうかを検証する。
  論文  参考訳（メタデータ） (2026-03-25T01:54:56Z)
• 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)
• Mapping and Influencing the Political Ideology of Large Language Models using Synthetic Personas [5.237116285113809]
  政治コンパステスト(PCT)を用いたペルソナに基づく大規模言語モデルの政治的分布をマッピングする。 実験の結果, 合成ペルソナは左リバタリアン・クアドラントに主に集合しており, 明示的なイデオロギー記述子による刺激による応答性の変化を示すモデルが得られた。 すべてのモデルは、右権威主義的位置への顕著なシフトを示すが、左リバタリアン位置へのより限定的なシフトを示し、モデルトレーニングの固有のバイアスを反映するイデオロギー的操作に対する非対称な反応を示唆している。
  論文  参考訳（メタデータ） (2024-12-19T13:36:18Z)
• Scaling Data Diversity for Fine-Tuning Language Models in Human Alignment [84.32768080422349]
  人間の好みの調整は、大きな言語モデルが誤解を招くか有害なコンテンツを生成するのを防ぐ。 本研究では, 微調整後のLLMの最終性能と線形相関を示唆し, 即時多様性の新たな定式化を提案する。
  論文  参考訳（メタデータ） (2024-03-17T07:08:55Z)
• Political Compass or Spinning Arrow? Towards More Meaningful Evaluations for Values and Opinions in Large Language Models [61.45529177682614]
  我々は,大規模言語モデルにおける価値と意見の制約評価パラダイムに挑戦する。 強制されない場合、モデルが実質的に異なる答えを与えることを示す。 我々はこれらの知見をLLMの価値と意見を評価するための推奨とオープンな課題に抽出する。
  論文  参考訳（メタデータ） (2024-02-26T18:00:49Z)
• DCR: Divide-and-Conquer Reasoning for Multi-choice Question Answering with LLMs [9.561022942046279]
  大規模言語モデル(LLM)の推論能力を高めるため,DCR(Divide and Conquer Reasoning)を提案する。 まず、信頼性スコア(mathcalCS$)に基づいて質問を2つのサブセットに分類する。 特に,質問を信頼性スコア(mathcalCS$)に基づいて2つのサブセットに分類する。
  論文  参考訳（メタデータ） (2024-01-10T14:38:46Z)

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。