論文の概要: The Deliberative Deficit: An Empirical Critique of LLMs in Democratic Discourse

• arxiv url: http://arxiv.org/abs/2608.10186v1
• Date: Mon, 10 Aug 2026 19:57:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.802013
• Title: The Deliberative Deficit: An Empirical Critique of LLMs in Democratic Discourse
• Title（参考訳）: 民主的談話におけるLLMの実証的批判
• Abstract要約: DRI(Deliberative Reason Index)は、市民集会で検証された政治科学の指標である。 検証不可能な問題に対するグループレベルの推論は、検証可能なタスクベンチマークから完全に推測することはできない。 DRIは、多元的、検証不可能な問題に対する信頼性の高いグループレベルの推論を評価するためのツールである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LLMs are increasingly deployed in settings that require collective reasoning on complex, value-laden problems. Confidence in these deployments rests largely on benchmarks for verifiable tasks (mathematics, coding, coordination games), yet many of these applications concern problems where no objectively correct answer exists and where decision quality instead depends on integrating pluralistic perspectives to find mutually acceptable solutions. We argue that LLM reasoning capacity on this class of problems cannot be fully inferred from verifiable-task benchmarks, and that procedural evaluations of LLM discourse (respectfulness, justification, engagement) are systematically insufficient. We apply the Deliberative Reason Index (DRI), a measure developed in political science and validated across citizen assemblies, as a tool for evaluating reliable group-level reasoning on pluralistic, non-verifiable problems. Synthesizing recent evidence across 1,980 five-agent LLM runs on 12 citizen-assembly topics across 11 frontier model configurations, we find that LLM groups produce discourse with procedural quality comparable to human deliberation, while gains in intersubjective consistency are small, topic-dependent, and concentrated on tractable rather than ethically contested questions. LLM groups exhibit roughly one-third the perspective diversity of human assemblies and reverse the human convergence pattern: human deliberation decreases dispersion as diverse views synthesise, whereas LLM deliberation increases it. Engineering diversity through persona prompting does not restore the human dynamic but inverts which component of deliberative reasoning is updated. Our conclusion is constraining rather than prohibitive: LLMs can function as tools supporting human reasoning on pluralistic problems, but current evidence does not license treating them as autonomous deliberative agents.
• Abstract（参考訳）: LLMは、複雑で価値に富んだ問題に対する集合的推論を必要とする設定に徐々に展開されている。 これらのデプロイメントの信頼性は、検証可能なタスク(数学、コーディング、調整ゲーム)のベンチマークに大きく依存するが、これらのアプリケーションの多くは、客観的に正しい答えが存在しず、代わりに意思決定品質が相互に許容できる解決策を見つけるために複数の視点を統合することに依存する問題に懸念する。 我々は,このタイプの問題に対するLLM推論能力は,検証可能なタスクベンチマークから完全に推測することはできないし,LLM談話の手続き的評価(無視性,正当化性,エンゲージメント)が体系的に不十分であると主張している。 本稿では,多元的かつ検証不可能な問題に対する信頼性の高いグループレベルの推論評価ツールとして,政治科学で発展し,市民集会全体で検証されたデリバティブ推論指標(DRI)を適用した。 近年,11のフロンティアモデル構成にまたがる12のシチズン・アセンブリ・トピックで1,980個のLCMの証拠を合成した結果,LLM群が人間の熟考に匹敵する手続き的品質の談話を生成するのに対し,目的間の整合性は小さく,トピック依存的であり,倫理的に議論された質問よりもトラクタブルに集中していることが判明した。 LLMグループは、人間のアセンブリの観点の3分の1の多様性を示し、人間の収束パターンを逆転させる。 ペルソナプロンプトによるエンジニアリングの多様性は、人間のダイナミクスを復元するのではなく、議論的推論のどのコンポーネントが更新されたかを逆転させる。 LLMは、多元的問題に対する人間の推論を支援するツールとして機能するが、現在の証拠は、それらを自律的な熟考エージェントとして扱うことを許可していない。

関連論文リスト

• Accountable Human-AI Deliberation with LLMs: Scaling Collective Intelligence through Symbiotic Scaffolding [0.7734073750595959]
  大規模言語モデル(LLM)は、ターンテイクとファシリテーションの帯域幅によって制約されたスケールでの民主的熟考をサポートすることができる。 本稿では, 観察と多様性の増幅, 節レベルの仲介による促進, 批准のためのヒトの優遇という3つの階層で構成された共生型AIフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-26T12:31:37Z)
• LLMs in Cybersecurity: Friend or Foe in the Human Decision Loop? [0.15293427903448023]
  大規模言語モデル(LLM)は、認知的協力者としての行動によって人間の意思決定を変革している。 本稿では,LLMがセキュリティクリティカルな文脈でどのように人間の判断を形作るかを検討する。
  論文  参考訳（メタデータ） (2025-09-08T12:06:06Z)
• Corrupted by Reasoning: Reasoning Language Models Become Free-Riders in Public Goods Games [87.5673042805229]
  大規模言語モデルは、アライメント、堅牢性、安全なデプロイメントを保証する上で、いかに自己関心と集合的幸福のバランスをとるかが重要な課題である。 我々は、行動経済学から制度的に選択した公共財ゲームに適応し、異なるLLMがいかに社会的ジレンマをナビゲートするかを観察することができる。 意外なことに、o1シリーズのようなLCMの推論は、協調にかなり苦労している。
  論文  参考訳（メタデータ） (2025-06-29T15:02:47Z)
• Truly Assessing Fluid Intelligence of Large Language Models through Dynamic Reasoning Evaluation [106.17986469245302]
  大きな言語モデル(LLM)は、人間のような思考を反映する印象的な推論能力を示している。 既存の推論ベンチマークでは、ドメイン固有の知識(結晶化インテリジェンス)に焦点を当てるか、解釈可能性に欠ける。 階層的認知フレームワークを基盤とした動的推論評価ベンチマークであるDRE-Benchを提案する。
  論文  参考訳（メタデータ） (2025-06-03T09:01:08Z)
• Arbiters of Ambivalence: Challenges of Using LLMs in No-Consensus Tasks [52.098988739649705]
  本研究では, LLMのバイアスと限界について, 応答生成器, 判定器, 討論器の3つの役割について検討した。 我々は、様々な先行的曖昧なシナリオを含む例をキュレートすることで、合意なしのベンチマークを開発する。 以上の結果から, LLMは, オープンエンドの回答を生成する際に, 曖昧な評価を行うことができる一方で, 審査員や討論者として採用する場合は, 合意なしのトピックにスタンスを取る傾向が示唆された。
  論文  参考訳（メタデータ） (2025-05-28T01:31:54Z)
• Distributive Fairness in Large Language Models: Evaluating Alignment with Human Values [13.798198972161657]
  多くの社会的問題は資源の分配に関係しており、公平さと経済効率は結果の望ましさにおいて重要な役割を担っている。 本稿では,大規模言語モデル (LLM) が基本的公平性の概念に準拠しているかどうかを考察し,人間の嗜好との整合性について検討する。
  論文  参考訳（メタデータ） (2025-02-01T04:24:47Z)
• CLOMO: Counterfactual Logical Modification with Large Language Models [109.60793869938534]
  本稿では,新しいタスク,CLOMO(Counterfactual Logical Modification)と高品質な人間アノテーションベンチマークを紹介する。 このタスクでは、LLMは所定の論理的関係を維持するために、与えられた議論的テキストを順応的に変更しなければなりません。 LLMの自然言語出力を直接評価する革新的な評価指標である自己評価スコア(SES)を提案する。
  論文  参考訳（メタデータ） (2023-11-29T08:29:54Z)
• Concise and Organized Perception Facilitates Reasoning in Large Language Models [31.238220405009617]
  推論に取り組むために大規模な言語モデル(LLM)をエクスプロイトすることは、注目を集めている。 複雑な論理的問題において満足な結果を達成することは依然として非常に困難であり、コンテキスト内の多くの前提とマルチホップ推論が特徴である。 本研究は,まず情報フローの観点からそのメカニズムを考察し,不規則な内容や無関係な内容を扱う際に,人間のような認知バイアスに類似した困難に直面することを明らかにする。
  論文  参考訳（メタデータ） (2023-10-05T04:47:49Z)
• Encouraging Divergent Thinking in Large Language Models through Multi-Agent Debate [85.3444184685235]
  複数のエージェントが"tit for tat"の状態で議論を表現するマルチエージェント議論(MAD)フレームワークを提案し、審査員が議論プロセスを管理して最終解を得る。 我々のフレームワークは、深い熟考を必要とするタスクに役立ちそうなLSMにおける散発的思考を奨励する。
  論文  参考訳（メタデータ） (2023-05-30T15:25:45Z)
• Large Language Models are Not Yet Human-Level Evaluators for Abstractive Summarization [66.08074487429477]
  抽象的な要約のための自動評価器として,大規模言語モデル(LLM)の安定性と信頼性について検討する。 また、ChatGPTとGPT-4は、一般的に使われている自動測定値よりも優れていますが、人間の代替品として準備ができていません。
  論文  参考訳（メタデータ） (2023-05-22T14:58:13Z)

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。