論文の概要: Symphony of Bias: Exploring Gender Associations with Musical Instruments in Multimodal LLMs

• arxiv url: http://arxiv.org/abs/2607.26355v1
• Date: Wed, 29 Jul 2026 00:08:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.501259
• Title: Symphony of Bias: Exploring Gender Associations with Musical Instruments in Multimodal LLMs
• Title（参考訳）: バイアスのシンフォニー:マルチモーダルLDMにおけるジェンダーと楽器の関係を探る
• Abstract要約: 大規模言語モデル (LLM) は日常に組み込まれ、情報検索に広く利用されている。 本研究では,LLMにおける性別バイアスについて,楽器との関連性から検討する。 テキスト,視覚,音声を対象とする並列マルチモーダルデータセットであるSymphony-Biasを導入する。
• 参考スコア（独自算出の注目度）: 2.571325030444769
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are increasingly embedded in everyday life and widely used for information seeking, raising concerns about their potential to perpetuate social biases and reinforce stereotypes. In this study, we investigate gender bias in LLMs through the lens of their associations with musical instruments. Building on social-science research on the cultural gender-typing of instruments, we introduce Symphony-Bias, a parallel multimodal dataset spanning text, vision, and audio. We evaluate ten multimodal models with diverse architectures and scales across 22 musical instruments, analyzing how they associate each instrument with three gender categories: {male, female, non-binary}, across three modalities: {text, vision, audio}. Our results show that 92\% of instrument-level outcomes align with prior social-science findings, with the harp and drums showing particularly consistent gendered associations across all evaluated models and modalities. We further find that alignment with social stereotypes is weakest in audio, stronger in vision, and strongest in text, suggesting that modality-specific representations can differentially amplify gendered associations with musical instruments.\footnote{The Symphony-Bias dataset will be publicly released upon acceptance of the paper.}
• Abstract（参考訳）: 大規模言語モデル(LLM)は、日々の生活に組み込まれ、情報探索に広く使われ、社会的バイアスを持続させ、ステレオタイプを強化する可能性への懸念が高まっている。 本研究では,LSMの性別バイアスについて,楽器との関連性から検討する。 楽器の文化的ジェンダータイピングに関する社会科学研究に基づいて,テキスト,視覚,音声を対象とする並列マルチモーダルデータセットであるSymphony-Biasを紹介する。 我々は、22の楽器にまたがる様々なアーキテクチャとスケールを持つ10のマルチモーダルモデルを評価し、各楽器が3つの性別カテゴリー: {male, female, non-binary} を3つのモード: {text, vision, audio} で関連づける方法について分析した。 以上の結果から,計器レベルの結果の92%は,従来の社会科学的な知見と一致しており,ハープとドラムは,すべての評価モデルとモダリティにおいて,特に一貫した性関係を示した。 さらに、社会的ステレオタイプとのアライメントが最も弱く、視覚が強く、テキストが強く、モダリティに特有な表現が楽器との性的な関連を微分的に増幅できることが示唆された。 thnote{The Symphony-Biasデータセットは、論文の受理時に公開される。 ※

関連論文リスト

• VIBE: Voice-Induced open-ended Bias Evaluation for Large Audio-Language Models via Real-World Speech [50.73412962989565]
  LALM(Large Audio-Language Models)は、日々のアプリケーションにますます統合されているが、その生成バイアスは未発見のままである。 本研究では、実世界の人間記録を用いて、パーソナライズされたレコメンデーションなどのオープンなタスクを通じて生成バイアスを評価する枠組みを提案する。 ジェンダー・キューはアクセント・キューよりも大きな分布シフトを引き起こすことが多く、現在のLALMは社会的ステレオタイプを再現することを示している。
  論文  参考訳（メタデータ） (2026-04-19T04:22:47Z)
• SPAGBias: Uncovering and Tracing Structured Spatial Gender Bias in Large Language Models [20.761758130166125]
  大規模言語モデル(LLM)における空間性バイアスを評価するための最初の体系的枠組みであるSPAGBiasを紹介する。 我々は、公共の分断を超えて構成されたジェンダー空間の関連を同定し、ニュアンス化されたマイクロレベルマッピングを形成する。 物語生成は、感情、言葉、社会的役割が「空間性物語」を共同で形成する方法を明らかにする
  論文  参考訳（メタデータ） (2026-04-16T06:30:34Z)
• AVMeme Exam: A Multimodal Multilingual Multicultural Benchmark for LLMs' Contextual and Cultural Knowledge and Thinking [59.15472057710525]
  AVMeme Examは、音声、歌、音楽、サウンドエフェクトにまたがる、1000以上の象徴的なインターネットの音とビデオの人間による評価ベンチマークである。 各ミームは、表面コンテンツからコンテキスト、感情、使用法、世界知識への理解レベルを評価するユニークなQ&Aと組み合わせられる。 このベンチマークを用いて,最先端のマルチモーダル言語モデル (MLLM) を人間の参加者とともに体系的に評価した。
  論文  参考訳（メタデータ） (2026-01-25T01:40:15Z)
• From Individuals to Interactions: Benchmarking Gender Bias in Multimodal Large Language Models from the Lens of Social Relationship [13.416624729344477]
  我々はジェネレス(Genres)について紹介する。ジェネレス(Genres)は、MLLMにおけるジェンダーバイアスを評価するための新しいベンチマークである。 本研究は,MLLMにおける性差の微妙な性差の診断における関係認識ベンチマークの重要性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-06-29T06:03:21Z)
• Social Support Detection from Social Media Texts [44.096359084699]
  ソーシャルメディアのような様々な相互作用やプラットフォームを通じて伝えられる社会支援は、所有意識を育む上で重要な役割を担っている。 本稿では,自然言語処理(NLP)タスクとしてのソーシャルサポート検出(SSD)について紹介する。 我々は1万のYouTubeコメントからなるデータセットで実験を行った。
  論文  参考訳（メタデータ） (2024-11-04T20:23:03Z)
• Spoken Stereoset: On Evaluating Social Bias Toward Speaker in Speech Large Language Models [50.40276881893513]
  本研究では,音声大言語モデル(SLLM)における社会的バイアスの評価を目的としたデータセットであるSpken Stereosetを紹介する。 多様な人口集団の発話に対して異なるモデルがどのように反応するかを調べることで、これらのバイアスを特定することを目指している。 これらの結果から,ほとんどのモデルではバイアスが最小であるが,ステレオタイプや反ステレオタイプ傾向がわずかにみられた。
  論文  参考訳（メタデータ） (2024-08-14T16:55:06Z)
• Inclusivity in Large Language Models: Personality Traits and Gender Bias in Scientific Abstracts [49.97673761305336]
  我々は,3つの大きな言語モデル (LLM) を,人間の物語スタイルと潜在的な性別バイアスに適合させることで評価した。 以上の結果から,これらのモデルは一般的にヒトの投稿内容によく似たテキストを生成するが,スタイル的特徴の変化は有意な性差を示すことが示唆された。
  論文  参考訳（メタデータ） (2024-06-27T19:26:11Z)
• Gender Bias in Multimodal Models: A Transnational Feminist Approach Considering Geographical Region and Culture [3.101600812051321]
  本稿では、トランスナショナルフェミニズムの概念を取り入れたジェンダーを考慮したマルチモーダルモデルの監査手法を提案する。 男女差の有意な証拠は, 地域によって異なる。 有害なステレオタイプ・アソシエーションは、視覚的な文化的手がかりやテロリズムのようなラベルに関連していることも判明した。
  論文  参考訳（メタデータ） (2023-09-10T11:11:18Z)
• Unveiling Gender Bias in Terms of Profession Across LLMs: Analyzing and Addressing Sociological Implications [0.0]
  この研究は、AI言語モデルにおけるジェンダーバイアスに関する既存の研究を調査し、現在の知識のギャップを特定する。 この結果は,大規模言語モデルのアウトプットに存在する,ジェンダー付き単語関連,言語使用,偏見付き物語に光を当てた。 本稿では,アルゴリズムアプローチやデータ拡張手法など,LSMにおける性別バイアスを低減するための戦略を提案する。
  論文  参考訳（メタデータ） (2023-07-18T11:38:45Z)
• Stable Bias: Analyzing Societal Representations in Diffusion Models [72.27121528451528]
  本稿では,テキスト・ツー・イメージ(TTI)システムにおける社会的バイアスを探索する新しい手法を提案する。 我々のアプローチは、プロンプト内の性別や民族のマーカーを列挙して生成された画像の変動を特徴づけることに依存している。 我々はこの手法を利用して3つのTTIシステムによって生成された画像を分析し、そのアウトプットが米国の労働人口層と相関しているのに対して、彼らは常に異なる範囲において、限界化されたアイデンティティを低く表現している。
  論文  参考訳（メタデータ） (2023-03-20T19:32:49Z)
• Worst of Both Worlds: Biases Compound in Pre-trained Vision-and-Language Models [17.90351661475405]
  この研究は、テキストベースのバイアス分析手法を拡張し、マルチモーダル言語モデルを調べる。 VL-BERTが性別バイアスを示し、視覚シーンを忠実に表現するよりもステレオタイプを強化することを好むことが多いことを実証します。
  論文  参考訳（メタデータ） (2021-04-18T00:02:32Z)
• Multi-Dimensional Gender Bias Classification [67.65551687580552]
  機械学習モデルは、性別に偏ったテキストでトレーニングする際に、社会的に望ましくないパターンを不注意に学習することができる。 本稿では,テキスト中の性バイアスを複数の実用的・意味的な次元に沿って分解する一般的な枠組みを提案する。 このきめ細かいフレームワークを用いて、8つの大規模データセットにジェンダー情報を自動的にアノテートする。
  論文  参考訳（メタデータ） (2020-05-01T21:23:20Z)
• Music Gesture for Visual Sound Separation [121.36275456396075]
  ミュージック・ジェスチャ(Music Gesture)は、音楽演奏時の演奏者の身体と指の動きを明示的にモデル化するキーポイントに基づく構造化表現である。 まず、コンテキスト対応グラフネットワークを用いて、視覚的コンテキストと身体力学を統合し、その後、身体の動きと対応する音声信号とを関連付けるために、音声-視覚融合モデルを適用する。
  論文  参考訳（メタデータ） (2020-04-20T17:53:46Z)

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。