論文の概要: Polistemics: Evaluating LLMs as Information Mediators in Politics & Elections

• arxiv url: http://arxiv.org/abs/2607.25953v2
• Date: Mon, 03 Aug 2026 06:57:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:23.965478
• Title: Polistemics: Evaluating LLMs as Information Mediators in Politics & Elections
• Title（参考訳）: 政治学:政治・選挙における情報メディエーターとしてのLLMの評価
• Abstract要約: 選挙における政治情報の仲介者としてLLMを評価するための診断ベンチマークであるPolistemicsを紹介する。 2025年のドイツとオランダの選挙において、このベンチマークを最先端の3つのLSMに適用すると、高い集計スコアが体系的な失敗を隠蔽していることがわかる。
• 参考スコア（独自算出の注目度）: 1.1724565818034949
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As LLMs increasingly shape the political information citizens rely on, no standard exists to assess whether they do so responsibly. We introduce Polistemics, a theory-grounded diagnostic benchmark for evaluating LLMs as mediators of political information in elections. Prior work has treated this task as reproduction rather than mediation, leaving its epistemic dimensions and interaction with imperfect information unaddressed. We ground the evaluation in Epistemic Modesty, a normative standard derived from citizens' epistemic agency, and test it across controlled settings that vary the clarity, noise, and consistency of the available evidence. Applying the benchmark to three state-of-the-art LLMs across the 2025 German and Dutch elections, we find that high aggregate scores mask systematic failures. Models mediate reliably under clear evidence but break down when it is absent, vague, or contradictory, while flattening the intensity of political language throughout. These failures point to party priors, shifting with party labels and output language. Reliable mediation appears achievable, but no model delivers it consistently.
• Abstract（参考訳）: LLMは市民が依存する政治情報をますます形作っているため、それらが責任を負うかどうかを評価するための基準は存在しない。 選挙における政治情報の仲介者としてLLMを評価するための理論基盤診断ベンチマークであるPolistemicsを紹介する。 これまでの作業では、このタスクは仲介ではなく再生として扱われており、その疫学的な次元と不完全な情報との相互作用は未解決のままである。 筆者らは, 市民の疫学エージェンシーから派生した規範的基準である疫学的モデリティを基礎として, 利用可能な証拠の明瞭さ, 騒音, 一貫性の異なる制御された設定で評価を行った。 2025年のドイツとオランダの選挙において、このベンチマークを最先端の3つのLSMに適用すると、高い集計スコアが体系的な失敗を隠蔽していることがわかる。 モデルは明確な証拠の下で確実に仲介するが、不在時、曖昧時、あるいは矛盾時に分解し、政治的言語全体の強度をフラットにする。 これらの失敗は、サードパーティのラベルとアウトプット言語にシフトして、パーティの先行を指している。 信頼性の高い調停は達成できるように見えるが、モデルを一貫して提供しない。

関連論文リスト

• Who Would You Vote For? Auditing Political Alignment in LLMs: An Italian Case-Study [0.0]
  我々は,大規模言語モデルが政党や政治指導者に対する嗜好をどう表現するかについて検討する。 モデルの「真の」政治的信念を推測しようとするのではなく、観察可能な行動に焦点をあてる。
  論文  参考訳（メタデータ） (2026-08-12T04:47:06Z)
• Uncovering Political Bias in Large Language Models using Parliamentary Voting Records [2.272052150526026]
  本稿では、政治バイアスベンチマークを構築するための一般的な手法を紹介する。 我々はこの方法論を3つの国家ケーススタディでインスタンス化する。 LLM行動におけるイデオロギー的傾向と政治的実体バイアスを評価する。
  論文  参考訳（メタデータ） (2026-01-13T18:18:25Z)
• Beyond Prompt-Induced Lies: Investigating LLM Deception on Benign Prompts [79.1081247754018]
  大規模言語モデル(LLM)は、推論、計画、意思決定のタスクに広くデプロイされている。 そこで我々は, 接触探索質問(CSQ)に基づく枠組みを提案し, 騙しの可能性を定量化する。
  論文  参考訳（メタデータ） (2025-08-08T14:46:35Z)
• 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)
• Large Means Left: Political Bias in Large Language Models Increases with Their Number of Parameters [0.571853823214391]
  大規模言語モデル(LLM)は、主に多くの人が様々なトピックの主要な情報源として使っている。 LLMは、しばしば事実の誤りを犯したり、データ(幻覚)を作成したり、バイアスを提示したり、ユーザーが誤った情報に晒したり、意見に影響を与えたりする。 我々は、Wale-O-Matのスコアを用いて、ドイツ連邦議会の最近の投票の文脈において、人気のあるLLMの政治的バイアスを定量化する。
  論文  参考訳（メタデータ） (2025-05-07T13:18:41Z)
• Better Aligned with Survey Respondents or Training Data? Unveiling Political Leanings of LLMs on U.S. Supreme Court Cases [24.622980403581018]
  本研究では,大規模言語モデルの政治的傾きが事前学習コーパスから記憶されたパターンを反映する程度について検討する。 ケーススタディとして、我々は、中絶や投票権などの論争的な話題に対処するため、米国最高裁判所32件のLLMの政治的傾向を調査することに焦点をあてる。
  論文  参考訳（メタデータ） (2025-02-25T15:16:17Z)
• Fact or Fiction? Can LLMs be Reliable Annotators for Political Truths? [2.321323878201932]
  政治的誤報は民主的プロセスに挑戦し、世論を形成し、メディアを信頼する。 本研究では,ニュース記事の政治的事実を検出するための信頼性アノテータとして,最先端の大規模言語モデル (LLM) を用いることを検討した。
  論文  参考訳（メタデータ） (2024-11-08T18:36:33Z)
• 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)
• Assessing Political Bias in Large Language Models [0.624709220163167]
  我々は、ドイツの有権者の視点から、欧州連合(EU)内の政治問題に関するオープンソースのLarge Language Models(LLMs)の政治的バイアスを評価する。 Llama3-70Bのような大型モデルは、左派政党とより緊密に連携する傾向にあるが、小さなモデルは中立であることが多い。
  論文  参考訳（メタデータ） (2024-05-17T15:30:18Z)
• 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)
• 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)
• 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)

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。