論文の概要: Human-LLM Alignment in Language Attitudes Toward Non-Native Japanese

• arxiv url: http://arxiv.org/abs/2608.01629v1
• Date: Mon, 03 Aug 2026 02:59:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.307192
• Title: Human-LLM Alignment in Language Attitudes Toward Non-Native Japanese
• Title（参考訳）: 非ネイティブ日本語に対する言語態度における人間-LLMアライメント
• Abstract要約: 大規模言語モデルは、雇用や学術的評価などの高い評価領域において、人間の文章をますます評価する。 その結果,3次元でL2テキストを評価した場合,約2倍の大きさの拡散ギャップと連接ギャップがあることが判明した。 我々は,母語話者の言語態度を構造化されているが減衰した形で再現し,言語態度フレームワークは英語以外の言語を監査するための既製のヤードスティックを提供する。
• 参考スコア（独自算出の注目度）: 10.873479326031935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) increasingly evaluate human writing in high-stakes domains such as hiring and academic assessment, putting non-native speakers at particular risk. Drawing on the language attitudes framework, we compared human and LLM evaluations of parallel L1- and L2-written Japanese emails on three dimensions: fluency, status, and solidarity. Japanese raters rated L2 texts significantly lower on all three dimensions, with a fluency gap roughly twice the size of the status and solidarity gaps. Six LLM judges reproduced the direction of this bias, and five reproduced its ordering across dimensions. The models diverged from humans in two ways: all understated the solidarity gap, the most socially grounded dimension, and all differentiated among learner L1 backgrounds where humans did not. LLM judges thus reproduce native speakers' language attitudes in a structured yet attenuated form, and the language attitudes framework offers a ready-made yardstick for auditing them beyond English.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、雇用や学術評価などの高い評価領域において、人間による文章の評価をますます増加させ、非ネイティブ話者を特に危険に晒している。 言語態度の枠組みに基づき,L1-とL2-の並列メールを3次元で比較した。 日本人ラッカーはL2テキストを3次元すべてで有意に低めに評価し, フラレンシギャップは現状の約2倍, ソリダリティギャップの約2倍であった。 6人のLSM判事がこのバイアスの方向を再現し、5人が次元をまたいで順序を再現した。 モデルは2つの方法で人間から分岐した: すべてが連帯性ギャップ、最も社会的に接地された次元、そして、すべてが人間ではない学習者L1の背景と区別された。 LLMの審査員は、構造化されているが減衰した形で母語話者の言語態度を再現し、言語態度フレームワークは、英語以外の言語を監査するための準備が整ったヤードスティックを提供する。

関連論文リスト

• Who Relies More on World Knowledge and Bias for Syntactic Ambiguity Resolution: Humans or LLMs? [2.3749120526936465]
  本研究では,近年の大型言語モデル (LLM) が,6つの類型的多様言語において,相対的節のアタッチメントのあいまいさをナビゲートする方法について検討する。
  論文  参考訳（メタデータ） (2025-03-13T19:44:15Z)
• Multilingual Relative Clause Attachment Ambiguity Resolution in Large Language Models [2.3749120526936465]
  大型言語モデル (LLM) は相対節 (RC) のアタッチメントの曖昧さを解消する。 我々はLLMが言語の複雑さの中で人間的な解釈を達成できるかどうかを評価する。 我々は、英語、スペイン語、フランス語、ドイツ語、日本語、韓国語でモデルを評価する。
  論文  参考訳（メタデータ） (2025-03-04T19:56:56Z)
• 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)
• White Men Lead, Black Women Help? Benchmarking and Mitigating Language Agency Social Biases in LLMs [58.27353205269664]
  社会的バイアスは、Large Language Model(LLM)生成コンテンツにおいて言語エージェンシーに現れる。 LLMのバイアスを包括的に評価するLanguage Agency Bias Evaluationベンチマークを導入する。 LABEを用いて,近年の3つのLLM(ChatGPT,Llama3,Mistral)における言語エージェントの社会的バイアスを明らかにした。
  論文  参考訳（メタデータ） (2024-04-16T12:27:54Z)
• Exploring Multilingual Concepts of Human Value in Large Language Models: Is Value Alignment Consistent, Transferable and Controllable across Languages? [34.38469832305664]
  本稿では,AIの安全性の重要性から,人間の価値観に関する概念(すなわち,価値の概念)に焦点を当てる。 我々はまず,LLMにおける価値概念の存在を多言語形式で実証的に確認した。 これらの概念の言語間特性に関するさらなる分析は、言語資源の相違から生じる3つの特徴を明らかにしている。
  論文  参考訳（メタデータ） (2024-02-28T07:18:39Z)
• AM2iCo: Evaluating Word Meaning in Context across Low-ResourceLanguages with Adversarial Examples [51.048234591165155]
  本稿では, AM2iCo, Adversarial and Multilingual Meaning in Contextを提案する。 言語間文脈における単語の意味の同一性を理解するために、最先端(SotA)表現モデルを忠実に評価することを目的としている。 その結果、現在のSotAプリトレーニングエンコーダは人間のパフォーマンスにかなり遅れていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T20:23:45Z)

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。