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

• SPLIT: Cross-Lingual Empathy and Cultural Grounding in English and Ukrainian LLM Responses [0.0]
  大規模言語モデルは、感情的な状況や危機に関連した状況にますます展開されている。 既存のベンチマークでは、多言語のパフォーマンスを強調しているが、危機に関連した共感と低-中-リソース言語における文化的基盤を調べることはめったにない。 SPLITは、ストレス、パニック、孤独、内部変位、緊張という5つのカテゴリにまたがる感情的根拠を持つ応答を生成する上で、LCMの一貫性を評価するために設計されたベンチマークである。
  論文  参考訳（メタデータ） (2026-07-02T11:22:01Z)
• Multilingual Large Language Models do not comprehend all natural languages to equal degrees [3.1312895682585595]
  大規模言語モデル(LLM)は、人間が情報にアクセスする方法において重要な役割を果たす。 ほとんどのベンチマークでは、西洋語、教育語、工業化語、リッチ語、民主語(WEIRD)の言語でLLMを評価する。 言語理解タスクにおいて,12言語にまたがる3つの人気モデルを提案する。 以上の結果から,類型的に多様な言語にまたがって,言語学的精度が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2026-02-23T17:22:46Z)
• XToM: Exploring the Multilingual Theory of Mind for Large Language Models [57.9821865189077]
  LLMにおける既存の心の理論の評価は英語に限られている。 XToMは5言語にまたがってToMを評価する,厳格に検証された多言語ベンチマークである。 以上の結果から,LLMが言語的文脈にまたがって人間的なメンタライゼーションを再現する能力に限界があることが判明した。
  論文  参考訳（メタデータ） (2025-06-03T05:23:25Z)
• High-Dimensional Interlingual Representations of Large Language Models [65.77317753001954]
  大規模言語モデル(LLM)は、多言語データセットに基づいて訓練され、言語間構造の形成を示唆する。 資源レベル, 類型, 地理的地域によって異なる31の多様な言語を探索する。 多言語 LLM は非一貫性な言語間アライメントを示す。
  論文  参考訳（メタデータ） (2025-03-14T10:39:27Z)
• 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)
• Lens: Rethinking Multilingual Enhancement for Large Language Models [70.85065197789639]
  大規模言語モデル(LLM)における多言語機能向上のための新しいアプローチであるLensを提案する。 Lensは2つの部分空間で機能する: 言語に依存しない部分空間で、ターゲット言語と中心言語を一致させて強力な意味表現を継承する部分空間、言語固有の部分空間で、ターゲット言語と中心言語を分離して言語的特異性を保存する部分空間である。 レンズは、モデルの英語能力を維持しながら、多言語のパフォーマンスを著しく向上させ、既存の訓練後のアプローチと比べて計算コストの低い結果を得る。
  論文  参考訳（メタデータ） (2024-10-06T08:51:30Z)
• Language Model Alignment in Multilingual Trolley Problems [138.5684081822807]
  Moral Machine 実験に基づいて,MultiTP と呼ばれる100以上の言語でモラルジレンマヴィグネットの言語間コーパスを開発する。 分析では、19の異なるLLMと人間の判断を一致させ、6つのモラル次元をまたいだ嗜好を捉えた。 我々は、AIシステムにおける一様道徳的推論の仮定に挑戦し、言語間のアライメントの顕著なばらつきを発見した。
  論文  参考訳（メタデータ） (2024-07-02T14:02:53Z)
• 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。