論文の概要: Enhancing LLMs in Predictive Political QA with Semi-Structured Data

• arxiv url: http://arxiv.org/abs/2608.21218v1
• Date: Fri, 21 Aug 2026 15:27:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.622101
• Title: Enhancing LLMs in Predictive Political QA with Semi-Structured Data
• Title（参考訳）: 半構造化データを用いた予測的政治QAにおけるLLMの強化
• Abstract要約: 予測的政治質問応答(英: Predictive political question answering、QA)は、ある政治俳優がどのように投票するかを予測するものである。 外部の政治資源は豊富な歴史的証拠を提供するが、答えそのものを含まないことは滅多にない。 我々は、半構造化された政治記録を推論指向の証拠に変換するデュアルビューフレームワークであるPSLを提案する。
• 参考スコア（独自算出の注目度）: 10.880395627395174
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predictive political question answering (QA), such as predicting how a political actor will vote, goes beyond factual lookup. External political resources offer rich historical evidence, but rarely contain the answer itself. Existing LLM augmentation methods, including actor-profile-based simulation and knowledge graph evidence injection, improve political reasoning but largely treat external resources as knowledge-based evidence, leaving prediction-relevant signals under-modeled. We identify two complementary signals for predictive political QA: actor stances that capture issue-specific preferences, and high-order structure signals that capture indirect dependencies among political actors. We propose PSL, a dual-view framework that converts semi-structured political records into inference-oriented evidence for LLMs. PSL extracts stance signals from question-relevant actor records in a semantic view, and learns structure-aware actor representations from an actor interaction graph in a vector view. Across three real-world datasets and multiple LLMs, PSL consistently outperforms baselines, with ablations confirming the complementary gains of stance and structure signals.
• Abstract（参考訳）: QA(Predictive political question answering)とは、政治俳優がどのように投票するかを予測すること。 外部の政治資源は豊富な歴史的証拠を提供するが、答えそのものを含まないことは滅多にない。 既存のLLM拡張手法は、アクターによるシミュレーションや知識グラフのエビデンスインジェクションを含む、政治的推論を改善するが、外的資源を知識に基づくエビデンスとして主に扱い、予測関連信号はモデル化されていない。 問題固有の選好を捉えるアクタースタンスと、政治的アクター間の間接的依存関係を捉える高次構造信号である。 我々は、半構造化された政治記録をLLMの推論指向の証拠に変換するデュアルビューフレームワークであるPSLを提案する。 PSLは意味的な視点で質問関連アクターレコードからスタンス信号を抽出し、ベクトルビューでアクター相互作用グラフから構造対応アクター表現を学習する。 3つの実世界のデータセットと複数のLLMにわたって、PSLは一貫してベースラインを上回り、Ablationsはスタンスと構造信号の相補的な利得を確認している。

関連論文リスト

• Listen to the Latents: Self-Correcting Speech Recognition in Large Audio Language Models Through Hidden-State Interactions [120.64235456332916]
  音声認識システムは、その意味的知識を活用するために、大規模言語モデル(LLM)を統合している。 我々は, 暖房適応型LLMベースASRモデルを改良し, 自己の適応型LLMを応用した。 本稿では,2つの観測を動機とした目標補正戦略であるハイブリッド検索を提案する。
  論文  参考訳（メタデータ） (2026-08-31T15:46:48Z)
• Inference-Time Mitigation of Adversarial Political Bias in Large Language Models [11.657742684742258]
  我々は、政治的偏見の注入に対して、LLM(Large Language Models)を保護する様々な方法を提案する。 提案手法は,2.14～4.56の政治中立性類似度尺度からモデル性能を向上することを示した。
  論文  参考訳（メタデータ） (2026-07-24T01:52:10Z)
• Natural Language Actor-Critic: Scalable Off-Policy Learning in Language Space [57.868527884634894]
  自然言語アクター・クライブ(英: Natural Language Actor-Critic)は、スカラー値ではなく自然言語を用いてポリシーを訓練する新しいアクター批判アルゴリズムである。 NLACが既存のトレーニング手法より優れていることを示すために、推論、Webブラウジング、ツールユースを対話タスクと組み合わせた結果を示す。
  論文  参考訳（メタデータ） (2025-12-04T09:21:44Z)
• Steering Towards Fairness: Mitigating Political Bias in LLMs [16.594400974742523]
  我々は、内部モデル表現の分析を通じて、大言語モデル(LLM)におけるそのようなバイアスを探索し緩和する枠組みを採用している。 複数のイデオロギー軸にまたがる層ワイズ解析が可能な包括的活性化抽出パイプラインを導入する。 以上の結果から,デコーダのLLMは,効率的なベクターベース緩和に活用できる層間表現バイアスを体系的に符号化していることがわかった。
  論文  参考訳（メタデータ） (2025-08-12T11:09:03Z)
• Better Aligned with Survey Respondents or Training Data? Unveiling Political Leanings of LLMs on U.S. Supreme Court Cases [24.622980403581018]
  本研究では,大規模言語モデルの政治的傾きが事前学習コーパスから記憶されたパターンを反映する程度について検討する。 ケーススタディとして、我々は、中絶や投票権などの論争的な話題に対処するため、米国最高裁判所32件のLLMの政治的傾向を調査することに焦点をあてる。
  論文  参考訳（メタデータ） (2025-02-25T15:16:17Z)
• Latent Factor Models Meets Instructions: Goal-conditioned Latent Factor Discovery without Task Supervision [50.45597801390757]
  Instruct-LFはゴール指向の潜在因子発見システムである。 命令フォロー機能と統計モデルを統合して、ノイズの多いデータセットを処理する。
  論文  参考訳（メタデータ） (2025-02-21T02:03:08Z)
• Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
  本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。 提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。 本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
  論文  参考訳（メタデータ） (2025-01-20T08:40:15Z)
• Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
  大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。 我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。 この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-15T04:02:24Z)
• The Political Preferences of LLMs [0.0]
  私は、テストテイカーの政治的嗜好を特定するために、11の政治的指向テストを実行し、24の最先端の会話型LLMを実行します。 ほとんどの会話型LLMは、ほとんどの政治的テスト機器によって、中心の視点の好みを示すものとして認識される応答を生成する。 LLMは、スーパービジョンファインチューニングを通じて、政治スペクトルの特定の場所に向けて操れることを実証します。
  論文  参考訳（メタデータ） (2024-02-02T02:43:10Z)
• Nash Learning from Human Feedback [86.09617990412941]
  ペアワイズフィードバックを用いた大規模言語モデルの微調整のための代替パイプラインを提案する。 我々はこのアプローチを人間のフィードバックからナッシュラーニング(NLHF)と呼ぶ。 ミラー降下原理に基づく新しいアルゴリズム解であるNash-MDを提案する。
  論文  参考訳（メタデータ） (2023-12-01T19:26:23Z)
• Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
  大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。 本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。 観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
  論文  参考訳（メタデータ） (2023-11-15T00:02:25Z)

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。