論文の概要: LLMs Mirror Country-Specific Gender Patterns If Asked, but Skew Male When Generating Media in Local Languages

• arxiv url: http://arxiv.org/abs/2609.06545v1
• Date: Sun, 06 Sep 2026 11:34:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 05:16:26.144327
• Title: LLMs Mirror Country-Specific Gender Patterns If Asked, but Skew Male When Generating Media in Local Languages
• Title（参考訳）: LLMは地方言語におけるメディア生成に男性を頼んだ場合の地域特色のあるジェンダーパターンを鏡視する
• Authors: Sharif Kazemi, Tanya Popli, Neil K. R. Sehgal, Sunny Rai, Niyati Malhotra, Victor Orozco-Olvera, Ana María Muñoz Boudet, Samuel P. Fraiberger, Sharath Chandra Guntuku, Manuel Tonneau,
• Abstract要約: 大規模言語モデル (LLM) はメディア生成にますます利用されているが、その内容がジェンダーステレオタイプを持続するかどうかは不明である。 我々は、米国、インド、ケニア、ナイジェリアの695人の回答者から、22の職種と国内の役割についてジェンダー・アソシエーションを集めている。 モデルでは、調査対象の関連を直接の質問の下で追跡するが、主要言語細胞では、メディア生成下では男性の方がかなり多い。
• 参考スコア（独自算出の注目度）: 10.267072090941562
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large language models (LLMs) are increasingly used to generate media, but whether their content perpetuates gender stereotypes is unknown: standard benchmarks rely on selection-based formats rather than long-form generation, and surveyed baselines for local gender associations are scarce outside the West. We collect gender associations for 22 occupational and domestic roles from 695 respondents across the United States, India, Kenya, and Nigeria, and evaluate eight LLMs under two regimes: direct questioning and media generation. Models track the surveyed associations under direct questioning but skew substantially more male under media generation in major local-language cells, consistent with the male bias documented in human-produced media. Outside the US, the shift is much smaller and non-significant under English prompting, so English-only or country-agnostic evaluation would miss this bias in the languages where these models are most deployed. Instruction prompting reduces the shift directionally, but trades off against alignment with the surveyed associations. Evaluating LLM gender bias for global deployment therefore requires generation-format testing, local-language prompting, and locally-collected human baselines.
• Abstract（参考訳）: 大規模言語モデル(LLM)はメディアの生成にますます使用されているが、その内容が性別のステレオタイプを持続するかどうかは不明である。 我々は、米国、インド、ケニア、ナイジェリアの695人の回答者から、22人の職種と国内職種に関するジェンダー・アソシエーションを収集し、直接質問とメディア・ジェネレーションという2つの体制の下で8つのLSMを評価した。 モデルでは、調査対象の関連を直接の質問の下で追跡するが、主要な局所言語細胞において、メディア生成下では男性よりもスキューが著しく多く、人為的なメディアで記録された男性バイアスと一致している。 米国以外では、このシフトは英語のプロンプトの下ではるかに小さく、重要ではないため、これらのモデルが最もデプロイされる言語において、英語のみまたは国に依存しない評価は、このバイアスを見逃すことになる。 インストラクションプロンプトは、方向転換を減少させるが、調査された協会との整合性から引き離される。 したがって、世界展開のためのLDMの性別バイアスを評価するには、世代別テスト、局所言語プロンプト、および局所的に収集された人間のベースラインが必要である。

関連論文リスト

• Gender Bias in MT for a Genderless Language: New Benchmarks for Basque [1.1419092834574525]
  バスク語を含む翻訳において、性別バイアスを評価するための2つの新しいデータセットを導入する。 大規模言語モデル (LLM) と機械翻訳システム (MT) の評価を行った。
  論文  参考訳（メタデータ） (2026-03-09T09:35:55Z)
• EuroGEST: Investigating gender stereotypes in multilingual language models [58.871032460235575]
  EuroGESTは、英語と29のヨーロッパ言語にまたがるLLMにおける性別ステレオタイプ推論を計測するためのデータセットである。 すべての言語で最強のステレオタイプは、女性が「美」、「共感」、そして「否定」であり、男性は「リーダー」、「強く、タフ」、そして「職業的」であることを示している。
  論文  参考訳（メタデータ） (2025-06-04T11:58:18Z)
• Colombian Waitresses y Jueces canadienses: Gender and Country Biases in Occupation Recommendations from LLMs [15.783346695504344]
  本研究は,多言語交叉国とジェンダーバイアスに関する最初の研究である。 25の国と4つの代名詞セットを用いて、英語、スペイン語、ドイツ語でプロンプトのベンチマークを構築した。 モデルが性別や国ごとに同性を示す場合であっても、国と性別の両方に基づく交叉的職業バイアスが持続することがわかった。
  論文  参考訳（メタデータ） (2025-05-05T08:40:51Z)
• GenderCARE: A Comprehensive Framework for Assessing and Reducing Gender Bias in Large Language Models [73.23743278545321]
  大規模言語モデル(LLM)は、自然言語生成において顕著な能力を示してきたが、社会的バイアスを増大させることも観察されている。 GenderCAREは、革新的な基準、バイアス評価、リダクションテクニック、評価メトリクスを含む包括的なフレームワークである。
  論文  参考訳（メタデータ） (2024-08-22T15:35:46Z)
• GenderBias-\emph{VL}: Benchmarking Gender Bias in Vision Language Models via Counterfactual Probing [72.0343083866144]
  本稿では,GenderBias-emphVLベンチマークを用いて,大規模視覚言語モデルにおける職業関連性バイアスの評価を行う。 ベンチマークを用いて15のオープンソースLVLMと最先端の商用APIを広範囲に評価した。 既存のLVLMでは男女差が広くみられた。
  論文  参考訳（メタデータ） (2024-06-30T05:55:15Z)
• Leveraging Large Language Models to Measure Gender Representation Bias in Gendered Language Corpora [9.959039325564744]
  大規模言語モデル(LLM)は、しばしば、トレーニングデータに埋め込まれた社会的バイアスを継承し、増幅する。 性バイアスとは、特定の役割や特性と特定の性別の関連性である。 ジェンダー表現バイアスは、性別の異なる個人への参照の不平等な頻度である。
  論文  参考訳（メタデータ） (2024-06-19T16:30:58Z)
• White Men Lead, Black Women Help? Benchmarking and Mitigating Language Agency Social Biases in LLMs [58.27353205269664]
  社会的バイアスは、Large Language Model(LLM)生成コンテンツにおいて言語エージェンシーに現れる。 LLMのバイアスを包括的に評価するLanguage Agency Bias Evaluationベンチマークを導入する。 LABEを用いて,近年の3つのLLM(ChatGPT,Llama3,Mistral)における言語エージェントの社会的バイアスを明らかにした。
  論文  参考訳（メタデータ） (2024-04-16T12:27:54Z)
• Probing Explicit and Implicit Gender Bias through LLM Conditional Text Generation [64.79319733514266]
  大規模言語モデル(LLM)はバイアスと有害な応答を生成する。 本研究では,あらかじめ定義されたジェンダーフレーズやステレオタイプを必要としない条件付きテキスト生成機構を提案する。
  論文  参考訳（メタデータ） (2023-11-01T05:31:46Z)
• Public Perceptions of Gender Bias in Large Language Models: Cases of ChatGPT and Ernie [2.1756081703276]
  本研究では,大規模言語モデルにおけるジェンダーバイアスの認知度を評価するために,ソーシャルメディア上での議論の内容分析を行った。 人々は、個人使用における性別バイアスの観察と、LSMにおける性別バイアスに関する科学的知見の両方を共有した。 LLMにおけるジェンダーバイアスを規制するためのガバナンスレコメンデーションを提案する。
  論文  参考訳（メタデータ） (2023-09-17T00:53:34Z)

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。