論文の概要: Who Anchors AI Overviews in Health? Baidu, Google, and the Geography of Authority
- arxiv url: http://arxiv.org/abs/2609.06798v1
- Date: Sun, 06 Sep 2026 19:37:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 04:32:08.964538
- Title: Who Anchors AI Overviews in Health? Baidu, Google, and the Geography of Authority
- Title（参考訳）: 誰がAIを健康にオーバービューさせるのか?Baidu、Google、Geography of Authority
- Abstract要約: ヘルスクエリのためのGoogleとBaiduのAI概要システムを比較します。
私たちは、GoogleとBaiduが垂直統合を示し、AI概要の中でユーザーを自社のプラットフォームにルーティングしていることに気付きました。
小規模でローローカライゼーションの国では、ヘルスクエリに対する国内からの参照が少なくなる。
- 参考スコア（独自算出の注目度）: 0.9883261192383612
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence is being rapidly incorporated into traditional search systems, yet scant work audits the information disparities across platforms, geography, and languages. We address this gap by comparing Google and Baidu's AI Overview systems for health queries, and measure informational anchors that emerge. Auditing 1,920 health queries across 12 countries and 4 languages, we find that Google and Baidu exhibit vertical integration, routing users toward their own company platforms in AI Overviews rather than a diverse set of primary sources. Smaller, lower-localization countries receive fewer domestically sourced references for health queries. Issuing the same query in a country's official language rather than English raises the share of locally sourced citations approximately 3.5- to 13.5-fold. Comparing queries across health topics of varying severity and controversy, including Traditional Chinese Medicine as an example, we also show that health disclaimers are multidimensional and vary across language and culture. We discuss how generative search influences access to health information, and the urgent need for culturally-aware oversight of these systems that influence critical health decisions.
- Abstract（参考訳）: 人工知能は、従来の検索システムに急速に組み込まれていますが、プラットフォーム、地理、言語間での情報格差を検査します。
このギャップに対処するために、GoogleとBaiduのヘルスクエリ用のAI概要システムを比較し、出現する情報アンカーを測定する。
12の国と4つの言語で1,920のヘルスクエリを調査した結果、GoogleとBaiduは、さまざまなプライマリソースではなく、AI概要において、ユーザを自社プラットフォームにルーティングすることで、垂直統合を実現していることがわかった。
小規模でローローカライゼーションの国では、ヘルスクエリに対する国内からの参照が少なくなる。
英語ではなく国の公用語で同じ質問をすると、現地の引用のシェアは3.5倍から13.5倍になる。
例えば、中国伝統医学など、さまざまな重症度や論争の健康トピックに対する質問を比較した結果、健康診断者は多次元であり、言語や文化によって異なることが判明した。
生成的検索が健康情報へのアクセスにどのように影響するか、そして、重要な健康決定に影響を及ぼすこれらのシステムの文化的監視に対する緊急の必要性について論じる。
関連論文リスト
- Disparities in Multilingual LLM-Based Healthcare Q&A [15.114074152947971]
多言語医療Q&A回答における事前学習源の言語間差異と事実整合性について検討した。
以上の結果から,ウィキペディアのカバー範囲とLLMのファクトアライメントの両面での言語間差が顕著であった。
推論時に非英語ウィキペディアからの文脈的抜粋を提供することは、事実的アライメントを文化的に関連のある知識へと効果的にシフトさせる。
論文 参考訳（メタデータ） (2025-10-20T12:19:08Z) - Hulu-Med: A Transparent Generalist Model towards Holistic Medical Vision-Language Understanding [112.46150793476603]
透明で汎用的な医用ビジョンランゲージモデル(VLM)であるHulu-Medを紹介する。
Hulu-Medは1670万サンプルのキュレートされたコーパスで訓練されており、12の解剖学的システムと14の医用画像モダリティにまたがっている。
Hulu-Medは、30ベンチマーク中27ベンチマークで既存のオープンソースモデルを上回っ、16ベンチマークでGPT-4oなどのプロプライエタリシステムを上回っている。
論文 参考訳（メタデータ） (2025-10-09T17:06:42Z) - VM14K: First Vietnamese Medical Benchmark [12.442210642499365]
最初のベトナムの医療質問ベンチマークでは、34の医療専門分野に14,000の多重選択質問が提供されている。
本ベンチマークは,精査試験や臨床記録など,様々な検証可能な資料を用いて構築した。
この設計により、対象言語における言語モデルの医学的理解の幅と深さを評価することができる。
論文 参考訳（メタデータ） (2025-06-02T04:32:15Z) - Adapting Biomedical Abstracts into Plain language using Large Language Models [8.497188292342052]
The Plain Language Adaptation of Biomedical Abstracts (PLABA) Trackの目標は、平易な言語を文レベルで使用して一般大衆に問う質問に基づいて、PubMedから抽出された英語のバイオメディカル抽象を適応させることである。
私たちは、ダイアログのユースケースに適しており、微調整されたオープンソースのLarge Language Modelsを活用しました。
GPT-4をベースとした上位モデルでは, 簡易度で第1位, 高精度度で第3位にランクインした。
論文 参考訳（メタデータ） (2025-01-26T23:07:35Z) - Locating Information Gaps and Narrative Inconsistencies Across Languages: A Case Study of LGBT People Portrayals on Wikipedia [49.80565462746646]
我々は,情報ギャップと矛盾を事実レベルで特定するための,効率的かつ信頼性の高い手法であるInfoGap法を紹介した。
我々は、LGBTの人々の描写を分析してInfoGapを評価し、英語、ロシア語、フランス語のウィキペディアの2.7Kの伝記ページを解析した。
論文 参考訳（メタデータ） (2024-10-05T20:40:49Z) - News and Misinformation Consumption in Europe: A Longitudinal
Cross-Country Perspective [49.1574468325115]
本研究では,欧州4カ国における情報消費について検討した。
フランス、ドイツ、イタリア、イギリスのニュースメディアアカウントから3年間のTwitter活動を分析した。
信頼性のある情報源が情報ランドスケープを支配していることを示しているが、信頼性の低いコンテンツは依然としてすべての国に存在している。
論文 参考訳（メタデータ） (2023-11-09T16:22:10Z) - Health Disparities through Generative AI Models: A Comparison Study
Using A Domain Specific large language model [0.0]
大規模言語モデル(LLM)と呼ばれる人工知能プログラムは、人間の言語を理解し、生成することができる。
本稿では,SciBERTのようなドメイン固有な大規模言語モデルの比較研究を紹介する。
臨床医は、患者と非同期に通信する際に、生成AIを使用してドラフトレスポンスを作成することができると信じている。
論文 参考訳（メタデータ） (2023-10-23T21:24:05Z) - CMB: A Comprehensive Medical Benchmark in Chinese [67.69800156990952]
そこで我々は,中国語の包括的医療ベンチマークであるCMB(Comprehensive Medical Benchmark)を提案する。
伝統的な中国医学はこの評価に欠かせないものであるが、全体としては成り立たない。
われわれは,ChatGPT,GPT-4,中国専用LSM,医療分野に特化したLSMなど,いくつかの大規模LSMを評価した。
論文 参考訳（メタデータ） (2023-08-17T07:51:23Z) - What Do End-Users Really Want? Investigation of Human-Centered XAI for
Mobile Health Apps [69.53730499849023]
説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。
分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。
私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
論文 参考訳（メタデータ） (2022-10-07T12:51:27Z) - Fairness via AI: Bias Reduction in Medical Information [3.254836540242099]
本稿では,医学教育,社会学,反人種差別主義の洞察に触発された,AIによるフェアネスの新たな枠組みを提案する。
我々はAIを用いて、社会の少数派を不均等に傷つける偏見、有害、および/または偽の健康情報を研究、検出、緩和することを提案する。
論文 参考訳（メタデータ） (2021-09-06T01:39:48Z) - CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。
名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。
本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文 参考訳（メタデータ） (2021-06-15T12:25:30Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z)
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。