論文の概要: Exploratory As-Analyzed No-Detection of Culturally-Marked Predicate-Triggered PII Amplification in a Synthetic-English RAG Probe: A Predicate-Resource-Confounded Audit

• arxiv url: http://arxiv.org/abs/2608.20351v1
• Date: Tue, 16 Jun 2026 06:03:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.277463
• Title: Exploratory As-Analyzed No-Detection of Culturally-Marked Predicate-Triggered PII Amplification in a Synthetic-English RAG Probe: A Predicate-Resource-Confounded Audit
• Title（参考訳）: 人工英語RAG ProbeにおけるPII増幅の探索的非解析的分析 : 述語-オープンソース-構築された監査
• Abstract要約: 文化的にマークされた人々に関するステレオタイプ読み込みクエリは、他の等価な中立クエリよりも、検索強化世代(RAG)システムからより多くの個人情報をリークする。 名前の読み上げ基準は、プロンプト・エコアーティファクトによって汚染される。 よりクリーンなチャネル(メール,電話,ssn-like,アドレス)では,複数比較補正後の4つの文化のいずれにもステレオタイプによる増幅は見つからない。
• 参考スコア（独自算出の注目度）: 0.30586855806896046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We ask whether stereotype-loaded queries about culturally marked people leak more personal information from a retrieval-augmented generation (RAG) system than otherwise-equivalent neutral queries. We pre-register a four-culture audit (en-Anglo, es-LATAM, Arabic, Hindi) on a synthetic English PII corpus, comparing five query arms we call the Stereotype-Trigger Leakage Delta (STLD). Two caveats up front. Our locked confirmatory estimator was never run, so every test in the paper is exploratory or sensitivity, with all plan deviations listed in the appendix. And the name-leakage metric is contaminated by a prompt-echo artifact: the model often just re-emits the name we asked about, which inflates apparent leakage without any retrieval at all. On the cleaner channels (email, phone, ssn-like, address), we find no stereotype-driven amplification on any of the four cultures after multiple-comparison correction. Because our sample is only powered for mid-sized effects, and because the culturally marked probes mix stereotype content with cultural markers and heritage practices, we present this as no detection, not evidence of no effect, of culturally marked predicate leakage that is confounded with the underlying resource.
• Abstract（参考訳）: 文化的にマークされた人々に関するステレオタイプ負荷クエリが、他の等価な中立性クエリよりも、検索強化世代(RAG)システムからより多くの個人情報をリークするかどうかを問う。 我々は,Stereotype-Trigger Leakage Delta (STLD) と呼ぶ5つのクエリアームを比較し,合成英語PIIコーパス上の4つの文化監査(en-Anglo, es-LATAM, アラビア語, ヒンディー語)を事前登録する。 前の2つの注意点。 ロックされた確認推定器は実行されなかったので、論文のすべてのテストは探索的または感度であり、すべての計画偏差は付録に記載されている。 そして、名前の読み上げ基準は、プロンプトエコのアーティファクトによって汚染されます。 よりクリーンなチャネル(メール,電話,ssn-like,アドレス)では,複数比較補正後の4つの文化のいずれにもステレオタイプによる増幅は見つからない。 筆者らのサンプルは中規模の効果にのみ有効であり, 文化的にマークされたプローブは, ステレオタイプの内容と文化的マーカーや遺産の慣行とを混合しているため, 文化的にマークされた述語漏洩の証拠ではなく, 根拠となる資源と組み合わせて検出された。

関連論文リスト

• Prompt Revision as a Source of Cultural Bias in Text-to-Image Systems [36.41806145661922]
  商用のテキスト画像システムは、画像を生成する前にユーザーのプロンプトを静かに修正する。 WORLDVIEWは15言語にまたがる8,960のプロンプトと31の言語コンテキストペアリングのベンチマークである。 これを用いて3つのシステムでリビジョン層を監査し、それぞれの文化的文脈にどれほど重大であるかを3段階で分析する。
  論文  参考訳（メタデータ） (2026-09-10T13:32:40Z)
• When Models Hear What They Expect: Diagnosing Prosodic Heuristics in Multimodal Sarcasm Detection [15.92653903841744]
  マンダリン系中国語と英語の皮肉検出について検討した。 表現的韻律の共有ステレオタイプ,すなわち高いピッチと不規則なパジングにモデル誤差がクラスタリングされていることがわかった。 同じ操作テンプレートを変更せずにGemini3 Flash Previewに適用することは、その効果を再現し、ステレオタイプがQwen Omniファミリを超えて広がることを示唆している。
  論文  参考訳（メタデータ） (2026-08-31T03:34:35Z)
• When Explanations Betray Backdoors: Black-Box Auditing for Language Model Classifiers [4.106593007943804]
  入力に答えの要約が残るかどうかを測る軽量なスコアであるグラウンドドリフトを導入する。 次に, 説明カモフラージュストレス症例に対するマルチプローブエスカレーションであるUn Supported Groundednessを評価した。
  論文  参考訳（メタデータ） (2026-08-12T22:11:47Z)
• Temporal Leakage in LLM Backtesting: Measurement, Validation, and Adjusted Scores [6.428238071336693]
  LLMバックテストにおける汚染の標準チェックは非形式的であることを示す。 4つのフラッグシップモデルは、記憶できない質問で失敗します。 受動的バックテストが2つを本当のスキルから切り離すことができないことを証明しています。
  論文  参考訳（メタデータ） (2026-08-04T00:45:54Z)
• Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Reasoning [58.57194301645823]
  大規模言語モデル(LLM)は、現実のパーソナライズされたアプリケーションにますます統合されている。 RAGで使用される知識基盤の貴重かつしばしばプロプライエタリな性質は、敵による不正使用のリスクをもたらす。 これらの知識基盤を保護するための透かし技術として一般化できる既存の方法は、一般的に毒やバックドア攻撃を含む。 我々は、無害な」知識基盤の著作権保護の名称を提案する。
  論文  参考訳（メタデータ） (2025-02-10T09:15:56Z)
• Contrastive Learning to Improve Retrieval for Real-world Fact Checking [84.57583869042791]
  ファクト・チェッキング・リランカ(Contrastive Fact-Checking Reranker, CFR)を提案する。 我々はAVeriTeCデータセットを活用し、証拠文書からの人間による回答とクレームのサブクエストを注釈付けする。 データセットの精度は6%向上した。
  論文  参考訳（メタデータ） (2024-10-07T00:09:50Z)
• "Knowing When You Don't Know": A Multilingual Relevance Assessment Dataset for Robust Retrieval-Augmented Generation [90.09260023184932]
  Retrieval-Augmented Generation (RAG) は、外部の知識源を活用して、事実の幻覚を減らすことで、Large Language Model (LLM) を出力する。 NoMIRACLは18言語にまたがるRAGにおけるLDM堅牢性を評価するための人為的アノテーション付きデータセットである。 本研究は,<i>Halucination rate</i>,<i>Halucination rate</i>,<i>Halucination rate</i>,<i>Sorucination rate</i>,<i>Sorucination rate</i>,<i>Sorucination rate</i>,<i>Sorucination rate</i>,<i>Sorucination rate</i>,<i>Sorucination rate</i>,<i>Sr。
  論文  参考訳（メタデータ） (2023-12-18T17:18:04Z)
• Exploring Cross-Cultural Differences in English Hate Speech Annotations: From Dataset Construction to Analysis [44.17106903728264]
  ほとんどのヘイトスピーチデータセットは、単一の言語における文化的多様性を無視している。 そこで本研究では,CRoss文化の英語Hate音声データセットであるCREHateを紹介する。 CREHateのポストの56.2%のみが全国でコンセンサスを達成しており、ペアのラベル差が最も高いのは26%である。
  論文  参考訳（メタデータ） (2023-08-31T13:14:47Z)
• Give Me More Details: Improving Fact-Checking with Latent Retrieval [58.706972228039604]
  証拠は、自動化された事実チェックにおいて重要な役割を果たす。 既存のファクトチェックシステムは、エビデンス文が与えられたと仮定するか、検索エンジンが返した検索スニペットを使用する。 資料から得られた全文を証拠として組み込んで,2つの豊富なデータセットを導入することを提案する。
  論文  参考訳（メタデータ） (2023-05-25T15:01:19Z)
• Elastic Weight Removal for Faithful and Abstractive Dialogue Generation [61.40951756070646]
  対話システムは、関連する文書に含まれる知識に忠実な応答を生成するべきである。 多くのモデルは、それと矛盾したり、検証不可能な情報を含んでいる代わりに幻覚応答を生成する。 本手法は,幻覚と抽出反応を同時に阻止するために拡張できることが示唆された。
  論文  参考訳（メタデータ） (2023-03-30T17:40:30Z)

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。