論文の概要: It's How You Ask: Gender-Associated Linguistic Bias in LLMs

• arxiv url: http://arxiv.org/abs/2608.13328v1
• Date: Thu, 13 Aug 2026 14:54:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.563894
• Title: It's How You Ask: Gender-Associated Linguistic Bias in LLMs
• Title（参考訳）: LLMのジェンダー関連言語バイアス
• Abstract要約: 女性によく使われる言語的特徴を含むプロンプトでは, より短く, より洗練され, フォーマルでない反応が引き起こされる。 我々の研究は、LLMによる職場コミュニケーションの異なる影響を軽減するために、言語変化の影響を上流で検討することを求めている。
• 参考スコア（独自算出の注目度）: 3.2242349194283353
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Professional communication is increasingly mediated by LLMs - but do these models serve all users equally? We show that when prompts contain linguistic features more commonly used by women (hedges, tag questions, collective reference), they systematically elicit shorter, less sophisticated, and less formal responses across three document types and four models. These effects persist after controlling for prompt complexity and feature carry-over. Explicit gender cues like sign-off names are encoded in the same representational space as linguistic dialect - suggesting shared underlying mechanisms - yet linguistic register is far more influential, producing large, consistent effects where names produce none. Our results further reveal that post-hoc mitigation is challenging: because these patterns are culturally embedded and outside conscious control, users cannot easily avoid them through strategic self-presentation, and mechanistic analysis reveals that linguistic features are encoded in early transformer layers and entangled with other features. Our work calls for upstream consideration of the influences of linguistic variation to mitigate disparate impacts of LLM-mediated workplace communication.
• Abstract（参考訳）: プロフェッショナルなコミュニケーションはますますLLMによって仲介されていますが、これらのモデルはすべてのユーザに平等に役立ちますか? 女性によく使われる言語的特徴(ヘッジ、タグ質問、集合参照)を含むプロンプトは、体系的に短く、洗練され、3種類の文書タイプと4つのモデルにまたがる形式的応答がより少ないことを示す。 これらの効果は、迅速な複雑さと特徴担持を制御した後も持続する。 サインオフ名のような性的な手がかりは、言語方言と同じ表現空間でコード化され、共通基盤となるメカニズムが示唆されるが、言語レジスタははるかに影響力があり、名前が生成しない大きな一貫性のある効果を生み出している。 これらのパターンは文化的に埋め込まれ,外部から意識的に制御されるため,ユーザは戦略的自己表現によって容易には避けられず,機械的解析により,言語的特徴が早期のトランスフォーマー層にコード化され,他の特徴と絡み合っていることが明らかになった。 我々の研究は、LLMによる職場コミュニケーションの異なる影響を軽減するために、言語変化の影響を上流で検討することを求めている。

関連論文リスト

• Multilingual Language Models Encode Script Over Linguistic Structure [17.518899965837768]
  言語的特徴(抽象言語アイデンティティや表面形状の手がかり)を多言語で表すために検討する。 Romanizationは、ネイティブテキストの入力も英語も一致しないほぼ不一致表現を誘導するが、単語順シャッフルは単位単位に限定的な影響を与える。 以上の結果から,多言語LMが表面形状の表現を整理し,言語的抽象化が徐々に出現し,統合されたインターリングアに陥ることが示唆された。
  論文  参考訳（メタデータ） (2026-04-06T18:43:32Z)
• PragWorld: A Benchmark Evaluating LLMs' Local World Model under Minimal Linguistic Alterations and Conversational Dynamics [9.915303686933436]
  我々は,言語モデル (LM) の内的世界モデルを符号化し,更新する能力を評価する。 本研究では,会話の言語的変化による実体の追跡など,LMが重要な詳細を記憶するのに苦労していることを示す。 本稿では,有用あるいは有害なトランスフォーマー層を識別する,二重パースペクティブ解釈可能性フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-17T06:17:17Z)
• Tracing Multilingual Representations in LLMs with Cross-Layer Transcoders [51.380449540006985]
  大規模言語モデル(LLM)は多くの言語を処理できるが、どのようにして内部的にこの多様性を表現しているのかは不明だ。 言語固有のデコーディングと多言語表現を共有できるのでしょうか? 層間トランスコーダ(CLT)と属性グラフを用いて内部メカニズムを解析する。
  論文  参考訳（メタデータ） (2025-11-13T22:51:06Z)
• False Friends Are Not Foes: Investigating Vocabulary Overlap in Multilingual Language Models [53.01170039144264]
  多言語コーパスで訓練されたサブワードトークンライザは、言語間で重複するトークンを自然に生成する。 トークンの重複は言語間転送を促進するのか、それとも言語間の干渉を導入するのか? 相反する語彙を持つモデルでは、重なり合う結果が得られます。
  論文  参考訳（メタデータ） (2025-09-23T07:47:54Z)
• An Empirical Investigation of Gender Stereotype Representation in Large Language Models: The Italian Case [0.41942958779358674]
  本研究では,大規模言語モデルが無意味なプロンプトに対してどのように反応し,偏りのあるアウトプットに寄与するかを検討する。 その結果、LCMが生成したコンテンツがステレオタイプを永続化する方法が明らかになった。 AI生成テキストにおけるバイアスの存在は、職場や仕事の選択など、多くの分野に重大な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2025-07-25T10:57:29Z)
• The Emergence of Abstract Thought in Large Language Models Beyond Any Language [95.50197866832772]
  大規模言語モデル(LLM)は様々な言語で効果的に機能する。 予備的研究では、LLMの隠れた活性化は、英語以外のプロンプトに反応してもしばしば英語に類似している。 近年の結果は多言語のパフォーマンスが強く、他の言語での特定のタスクにおける英語のパフォーマンスを超えている。
  論文  参考訳（メタデータ） (2025-06-11T16:00:54Z)
• Lost in Multilinguality: Dissecting Cross-lingual Factual Inconsistency in Transformer Language Models [49.16690802656554]
  複数の言語で意味論的に等価なプロンプトに対して一貫した応答を提供するのに、多言語の事実モデルでは苦労していることがわかった。 最終層での計算をバイパスし,予測精度と言語間の整合性を向上する線形ショートカット手法を提案する。
  論文  参考訳（メタデータ） (2025-04-05T19:43:10Z)
• Linguistic Blind Spots of Large Language Models [14.755831733659699]
  言語アノテーションタスクにおける最近の大規模言語モデル(LLM)の性能について検討する。 近年の LLM は言語クエリに対処する上で有効性が限られており,言語学的に複雑な入力に苦しむことが多い。 この結果から,LLMの設計・開発における今後の進歩を示唆する知見が得られた。
  論文  参考訳（メタデータ） (2025-03-25T01:47:13Z)
• Tokenization Matters: Navigating Data-Scarce Tokenization for Gender Inclusive Language Technologies [75.85462924188076]
  ジェンダー非包括的NLP研究は、ジェンダーバイナリ中心大言語モデル(LLM)の有害な制限を文書化している。 誤認識はByte-Pair(BPE)トークン化によって大きく影響されている。 本研究では,(1)代名詞の代名詞化パリティ,(2)代名詞間の一貫した代名詞化を強制する手法,および(2)既存のLLM代名詞の知識を活用して新代名詞の習熟度を向上させる手法を提案する。
  論文  参考訳（メタデータ） (2023-12-19T01:28:46Z)
• Let Models Speak Ciphers: Multiagent Debate through Embeddings [84.20336971784495]
  この問題を解決するためにCIPHER(Communicative Inter-Model Protocol Through Embedding Representation)を導入する。 自然言語から逸脱することで、CIPHERはモデルの重みを変更することなく、より広い範囲の情報を符号化する利点を提供する。 このことは、LLM間の通信における代替の"言語"としての埋め込みの優越性と堅牢性を示している。
  論文  参考訳（メタデータ） (2023-10-10T03:06:38Z)
• Simple Linguistic Inferences of Large Language Models (LLMs): Blind Spots and Blinds [59.71218039095155]
  我々は,ほとんどの人間が自明に感じる単純な推論タスクにおいて,言語理解能力を評価する。 我々は, (i) 文法的に特定された含意, (ii) 不確実性のある明らかな副詞を持つ前提, (iii) 単調性含意を目標とする。 モデルはこれらの評価セットに対して中程度から低い性能を示す。
  論文  参考訳（メタデータ） (2023-05-24T06:41:09Z)

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。