論文の概要: Estimating the Geopolitical Preferences of Large Language Models from United Nations Voting Data

• arxiv url: http://arxiv.org/abs/2607.25526v1
• Date: Tue, 28 Jul 2026 10:07:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.793225
• Title: Estimating the Geopolitical Preferences of Large Language Models from United Nations Voting Data
• Title（参考訳）: 国連投票データによる大規模言語モデルの地政学的嗜好の推定
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: How should researchers measure the geopolitical preferences expressed by large language models (LLMs)? Existing audits commonly rely on surveys and simple tests, but international-relations research has long recognized that measuring geopolitical preferences is difficult and has developed methods for recovering them from observed choices. This paper applies a dynamic ordinal ideal-point approach from international relations, treating LLMs as respondents to the full texts of 5,555 divisive, recorded, adopted resolutions considered in regular sessions of the UN General Assembly from 1946 through 2025. Support ranges from 37.8% for DeepSeek to 97.3% for GPT-5. Surprisingly, in the twenty-first century, GPT-5, Claude Sonnet, and Gemini are closest among the permanent five to Russia; DeepSeek is closest to France; and all four are farthest from the United States. Among 2,104 resolutions opposed by the United States but supported by China and Russia/USSR, GPT-5 supported 96.1%, Gemini 83.4%, Claude Sonnet 65.2%, and DeepSeek 36.1%. The findings show that a model's expressed geopolitical position can differ markedly from that of its developer's home country, especially in international politics, where state actions can diverge from the stated principles prevalent in the texts on which models are trained.
• Abstract（参考訳）: 大規模言語モデル(LLM)で表される地政学的嗜好はどのように測るべきか? 既存の監査は、調査や簡単なテストに頼っていることが多いが、国際関係研究は、地政学的選好の測定が困難であることを認識し、観察された選択からそれらを回復する方法を開発した。 本稿は,1946年から2025年までの国連総会の常設セッションにおいて検討された,5,555の分割,記録,採択された決議書の全文に対して,LLMを回答として扱う,国際関係からの動的順序的理想点アプローチを適用した。 サポート範囲はDeepSeekが37.8%、GPT-5が97.3%である。 驚くべきことに、21世紀には、GPT-5、Claude Sonnet、Geminiの5人はロシアに最も近い人であり、DeepSeekはフランスに最も近い人である。 米国が反対したが、中国とロシア/USSRが支持した2104件のうち、GPT-5は96.1%、ジェミニは83.4%、クロード・ソネットは65.2%、ディープシークは36.1%だった。 この結果は、特に国際政治において、モデルが表す地政学的地位が、開発国の出身国と著しく異なることを示し、そこでは、国家の行動が、モデルが訓練されたテキストでよく見られる原則から逸脱する可能性があることを示している。

関連論文リスト

• NovGauge: A Fine-Grained Benchmark for Diagnosing LLMs' Capability in Paper Novelty Assessment [54.4265627247104]
  大規模言語モデル(LLM)は、主要なAIカンファレンスでピアレビューでますます使用されている。 既存のベンチマークでは、ノベルティを1つの総合的なスコアとして評価している。 本報告では,詳細なノベルティアセスメント診断のための人手によるベンチマークであるNovGaugeについて述べる。
  論文  参考訳（メタデータ） (2026-09-10T08:34:56Z)
• From Interpretability to Control: Insights from Six Years of the TrustNLP Workshop [63.00693129203923]
  The Workshop on Trustworthy Natural Language Processingは8つの論文から6つのエディションで41に成長した。 我々は、144の手続き書類から洞察を合成し、確立されたフレームワークに根ざした6つの信頼次元に沿ってそれらを分類する。 分類研究による分析によると、真理は最も成長の早い次元である(2021-2022年、2025-2026年までに論文の37%を占める)。
  論文  参考訳（メタデータ） (2026-08-11T17:30:16Z)
• Geopolitical alignment: Endorsement effects in large language models [0.0]
  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。
  論文  参考訳（メタデータ） (2026-07-10T10:26:06Z)
• Ideology Prediction of German Political Texts [0.7349727826230863]
  本稿では,テキストの政治的指向を連続的な左から右へのスペクトルに投影するトランスフォーマーモデルを提案する。 この研究は、トランスフォーマーモデルが、世論調査のレベルにおいて、ドイツのニュースにおける政治的フレーミングを認識できることを示した。
  論文  参考訳（メタデータ） (2026-05-14T04:25:56Z)
• Soohak: A Mathematician-Curated Benchmark for Evaluating Research-level Math Capabilities of LLMs [86.49905745865038]
  Soohakは64人の数学者によって新たに書かれた439プロブレムのベンチマークである。 データセットは2026年後半に公開され、中間で要求に応じてモデル評価が利用可能になる。
  論文  参考訳（メタデータ） (2026-05-09T17:14:22Z)
• 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)
• Benchmarking Large Language Models for Geolocating Colonial Virginia Land Grants [0.0]
  バージニアの17世紀から18世紀の土地特許は、主に物語のメッツ・アンド・バウンドの記述として残っている。 本研究では、これらの散文を地理的に正確な緯度・経度座標に変換する際に、現在世代の大言語モデル(LLM)を体系的に評価する。
  論文  参考訳（メタデータ） (2025-07-27T21:49:58Z)
• Pre-Trained Policy Discriminators are General Reward Models [81.3974586561645]
  政策差別学習(POLAR)という,スケーラブルな事前学習手法を提案する。 POLARは報酬モデル(RM)を訓練し、同一のポリシーを識別し、異なるポリシーを識別する。 実証実験の結果、POLARは従来の非事前学習法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-07-07T16:56:31Z)
• Critical Foreign Policy Decisions (CFPD)-Benchmark: Measuring Diplomatic Preferences in Large Language Models [2.11457423143017]
  本研究では,7つの基礎モデルのバイアスと嗜好を評価するための新しいベンチマークを提案する。 400の専門的なシナリオを使用して、選択したモデルの結果を分析しました。 すべてのモデルは、ある程度の国固有の偏見を示しており、しばしば、中国とロシアに対するエスカレーションや介入の行動を減らすことを推奨している。
  論文  参考訳（メタデータ） (2025-03-08T16:19:13Z)
• 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)

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。