論文の概要: Beyond Surface Cues: Disentangling Sociocultural Signals in Multilingual LLMs
- arxiv url: http://arxiv.org/abs/2608.23026v1
- Date: Mon, 24 Aug 2026 09:32:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:44.012513
- Title: Beyond Surface Cues: Disentangling Sociocultural Signals in Multilingual LLMs
- Title（参考訳）: 表面クイズを超えて:多言語LLMにおける社会文化的シグナルの拡散
- Abstract要約: この研究は、英語、フランス語、中国語の12の多言語LLMから89,253のアウトプットを分析した。
ダイレクト・アイデンティティ・キューの削除は、英語と中国語でのアイデンティティ・ラベルの予測を減少させるが、フランス語でははるかに小さな効果を持つ。
ソース言語を識別する能力は、翻訳後およびマスキング後に大幅に低下する。
- 参考スコア（独自算出の注目度）: 28.912535376913436
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multilingual LLM outputs can vary across sociocultural contexts. However, evidence of cultural grounding can be misleading: identity labels may be inferred from explicit or indirect textual cues, while names and wording can reveal the source language. Treating all these signals as evidence of cultural grounding may obscure potential biases. We present a human-validated, multi-agent audit that separates three questions: whether outputs reproduce social biases, whether identity groups are represented differently, and whether outputs reflect cross-cultural patterns. The study analyzes 89,253 outputs from 12 LLMs in English, French, and Chinese, spanning 18 occupations and three task conditions. We find that bias representation varies systematically across languages and tasks. Removing direct identity cues sharply reduces identity-label prediction in English and Chinese, but has a much smaller effect in French. Across all language-genre settings, the cultural context associated with the source language receives the highest average relevance score, with moderate agreement between automated and human ratings. However, the ability to identify the source language drops substantially after translation and again after masking names. Without these controls, multilingual audits may mistake surface cues for cultural understanding, leading to misleading conclusions about cross-cultural variation and bias. Our audit offers a practical framework for separating such shortcuts from more meaningful cross-cultural patterns.
- Abstract（参考訳）: 多言語LLM出力は、社会文化的文脈によって異なる。
しかし、文化的根拠の証拠は誤解を招く可能性がある:アイデンティティラベルは明示的または間接的なテキストの手がかりから推測され、名前と単語はソース言語を明らかにすることができる。
これらすべての信号を文化的根拠の証拠として扱うと、潜在的なバイアスが明らかになる可能性がある。
本稿では,社会的偏見を再現するアウトプット,アイデンティティグループが異なる表現で表現するかどうか,文化横断パターンを反映するアウトプットの3つの質問を分離した,有能なマルチエージェント監査を提案する。
この研究は、英語、フランス語、中国語の12のLLMから89,253のアウトプットを分析し、18の職業と3つのタスク条件にまたがる。
バイアス表現は言語やタスクによって体系的に変化する。
ダイレクト・アイデンティティ・キューの削除は、英語と中国語におけるアイデンティティ・ラベルの予測を劇的に減少させるが、フランス語でははるかに小さな効果を持つ。
すべての言語固有の設定の中で、ソース言語に関連する文化的な文脈は、自動化された評価と人間の評価の中間的な一致で、最も平均的な関連性スコアを受け取ります。
しかし、ソース言語を識別する能力は、翻訳後にも、マスキング後にも大幅に低下する。
これらのコントロールがなければ、多言語監査は文化的理解の手がかりを間違え、異文化間の差異と偏見に関する誤解を招く可能性がある。
私たちの監査は、こうしたショートカットをより意味のある異文化のパターンから分離するための実践的なフレームワークを提供します。
関連論文リスト
- MSQA: A Natively Sourced Multilingual and Multicultural SimpleQA Benchmark [31.67992649991894]
ユーザの言語を話せるモデルは、その言語によってコード化された文化を理解する必要がある。
MSQAは,11の言語グループ,5つの文化的次元,3つの難易度を対象とする,1,064のネイティブソース質問のベンチマークである。
実質的な文化的劣化と顕著な局部性効果を見いだす。
論文 参考訳（メタデータ） (2026-07-01T10:12:03Z) - LLMs and Cultural Values: the Impact of Prompt Language and Explicit Cultural Framing [0.21485350418225244]
大規模言語モデル(LLM)は、世界中のユーザによって急速に採用され、さまざまな言語でそれらと対話している。
言語と文化のフレーミングが、異なる国の人的価値にどのように影響するかを検討する。
論文 参考訳（メタデータ） (2025-11-06T02:09:29Z) - Do You Know About My Nation? Investigating Multilingual Language Models' Cultural Literacy Through Factual Knowledge [68.6805229085352]
ほとんどの多言語質問答えベンチマークは、取得した情報の地域的多様性を規定していない。
XNationQAには、9カ国の地理、文化、歴史に関する合計49,280の質問が7つの言語で提示されている。
我々はXNationQA上で8つの標準多言語LLMをベンチマークし、2つの新しい転送指標を用いて評価した。
論文 参考訳（メタデータ） (2025-11-01T18:41:34Z) - Cross-Cultural Transfer of Commonsense Reasoning in LLMs: Evidence from the Arab World [68.19795061447044]
本稿では,アラブ世界におけるコモンセンス推論の異文化間移動について検討する。
アラブ13カ国を対象とした文化基盤のコモンセンス推論データセットを用いて,軽量アライメント手法の評価を行った。
以上の結果から,他国の文化特有例は12例に過ぎず,他国の文化特有例を平均10%向上させることができた。
論文 参考訳（メタデータ） (2025-09-23T17:24:14Z) - Invisible Filters: Cultural Bias in Hiring Evaluations Using Large Language Models [2.48490797934472]
人工知能(AI)は雇用にますます使われており、大きな言語モデル(LLM)は雇用決定に影響を与える可能性がある。
このことは、バイアス、公平性、信頼について、特にさまざまな文化的文脈において、強い関心を喚起します。
我々は,LLMが文化・アイデンティティの面から求人面接をどのように評価するかを体系的に分析する。
論文 参考訳（メタデータ） (2025-08-21T07:45:00Z) - See It from My Perspective: How Language Affects Cultural Bias in Image Understanding [60.70852566256668]
視覚言語モデル(VLM)は、多くの言語における画像に関するクエリに応答することができる。
画像理解におけるVLMの西洋的偏見を特徴付け,この格差の中で言語が果たす役割について検討する。
論文 参考訳（メタデータ） (2024-06-17T15:49:51Z) - The Echoes of Multilinguality: Tracing Cultural Value Shifts during LM Fine-tuning [23.418656688405605]
本研究では, 異なるテスト言語で符号化された文化的価値に言語がどのように影響するかを, 微調整時にどのように修正されるかを検討する。
最後に、トレーニングデータ属性法を用いて、微調整の例やそれらが生み出す言語にパターンを見つける。
論文 参考訳（メタデータ） (2024-05-21T12:55:15Z) - Multi-lingual and Multi-cultural Figurative Language Understanding [69.47641938200817]
図形言語は人間のコミュニケーションに浸透するが、NLPでは比較的過小評価されている。
Hindi, Indonesian, Javanese, Kannada, Sundanese, Swahili, Yorubaの7つの多様な言語に関するデータセットを作成しました。
我々のデータセットから,各言語は,同じ領域から派生した言語間で最も高い重なり合いを持つ,図形表現の文化的・地域的概念に依存していることが明らかとなった。
全ての言語は、事前学習データと微調整データの可用性を反映した性能の変化により、英語と比較して大きな欠陥がある。
論文 参考訳（メタデータ） (2023-05-25T15:30:31Z) - Comparing Biases and the Impact of Multilingual Training across Multiple
Languages [70.84047257764405]
ダウンストリーム感情分析タスクにおいて,イタリア語,中国語,英語,ヘブライ語,スペイン語のバイアス分析を行う。
我々は、既存の感情バイアスのテンプレートを、人種、宗教、国籍、性別の4つの属性で、イタリア語、中国語、ヘブライ語、スペイン語に適応させる。
以上の結果から,各言語の文化に支配的な集団の嗜好など,バイアス表現の類似性を明らかにした。
論文 参考訳（メタデータ） (2023-05-18T18:15:07Z) - Cross-Lingual Ability of Multilingual Masked Language Models: A Study of
Language Structure [54.01613740115601]
本稿では,構成順序,構成,単語共起の3つの言語特性について検討する。
我々の主な結論は、構成順序と単語共起の寄与は限定的である一方、構成は言語間移動の成功にとってより重要であるということである。
論文 参考訳（メタデータ） (2022-03-16T07:09:35Z) - Deception detection in text and its relation to the cultural dimension
of individualism/collectivism [6.17866386107486]
本研究は,文化における特定の言語的特徴の活用の相違が,個性主義/選択主義の分断に関して,規範に起因しているかどうかを考察する。
我々は、音韻学、形態学、構文に基づく幅広いn-gram特徴を実験することにより、カルチャー/言語対応分類器を作成する。
我々は6カ国(米国、ベルギー、インド、ロシア、メキシコ、ルーマニア)の5言語(英語、オランダ、ロシア、スペイン、ルーマニア)から11のデータセットを用いて実験を行った。
論文 参考訳（メタデータ） (2021-05-26T13:09:47Z)
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。