論文の概要: We're Cooked! - Probing LLM Political Alignment Via Conflict-Framed Recipe Translation

• arxiv url: http://arxiv.org/abs/2609.07568v1
• Date: Mon, 07 Sep 2026 14:46:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.447416
• Title: We're Cooked! - Probing LLM Political Alignment Via Conflict-Framed Recipe Translation
• Title（参考訳）: We're Cooked! - Probing LLM Political Alignment Via Conflict-Framed Recipe Translation (英語)
• Abstract要約: 大きな言語モデル (LLM) は、翻訳作業のためにますます多くデプロイされているが、そのような文脈における政治的位置の暗黙的な位置は、まだ検討されていない。 我々は、攻撃者、敵、隣人、植民者など、政治的に告発された1つのフレーミング用語が、他の非政治的タスクにおいて暗黙の政治的アライメントを引き起こすのに十分かどうかを問う。 本研究は,暗黙的な政治的判断をユーザへのシグナルを伴わずに行なえるような,矛盾する状況下でのLLMの展開に注意を喚起する。
• 参考スコア（独自算出の注目度）: 4.372645928060847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are increasingly deployed for translation tasks, yet their implicit political positioning in such contexts remains understudied. We ask whether a single politically charged framing term, such as aggressor, enemy, neighbour, or coloniser is sufficient to trigger implicit political alignment in an otherwise apolitical task. We present a fully crossed factorial study in which eight models spanning Western, Chinese, and European origins are prompted to translate culturally attributed recipes into a target language left deliberately unspecified. Across 17 languages, four framing conditions, eight models, and 15,680 responses, we find that models do not simply decline or ask for clarification but resolve the ambiguity. Language resolution and reasoning behavior cluster meaningfully along model families: Western models hedge and deflect with vague justifications, Chinese models resolve conflicts silently, and Mistral Large emerges as a distinct profile combining high compliance with conflict-grounded reasoning. Sensitivity to framing terms is consistent across models: even subtle framing variation is sufficient to modulate behavior. Our findings urge caution when deploying LLMs for translation in conflict-adjacent contexts, where implicit political judgments may be made without any signal to the user.
• Abstract（参考訳）: 大きな言語モデル (LLM) は、翻訳作業のためにますます多くデプロイされているが、そのような文脈における政治的位置の暗黙的な位置は、まだ検討されていない。 我々は、攻撃者、敵、隣人、植民地人など、政治的に告発された1つのフレーミング用語が、さもなくば政治的タスクにおいて暗黙の政治的アライメントを引き起こすのに十分かどうかを問う。 我々は、西欧、中国、ヨーロッパ起源の8つのモデルに対して、文化的に属性付けられたレシピを意図的に特定されていないターゲット言語に変換するよう促す、完全に交差した要因分析を行った。 17言語、4つのフレーミング条件、8つのモデル、15,680の応答において、モデルは単に減少したり、明確化を求めたりするのではなく、曖昧さを解消する。 言語解決と推論の行動クラスタは、モデルファミリに沿って意味のあるものだ: 西洋のモデルは曖昧な正当化でヘッジと偏向し、中国のモデルは紛争を静かに解決し、Mistral Largeは、紛争を根拠とした推論と高いコンプライアンスを組み合わせた、独立したプロファイルとして現れる。 フレーミング項に対する感度はモデル間で一貫したものであり、微妙なフレーミング変動でさえ振る舞いを変調するのに十分である。 本研究は,暗黙的な政治的判断をユーザへのシグナルを伴わずに行なえるような,矛盾した状況下でのLLMの展開に注意を喚起する。

関連論文リスト

• Right Frame, Wrong Rule: Cultural Cues Expose the Financial Knowledge Gap They Were Meant to Close [57.963463622270275]
  イスラム金融における規範的多元主義を4つの分類法を用いて研究する。 文化的キューは1つのフレームワークに向かってモデルを操縦するが、そのモデルはそのフレームワーク内で間違った答えを選択する。
  論文  参考訳（メタデータ） (2026-09-01T09:46:53Z)
• Poli-Bias: Understanding and Measuring Large Language Model Biases in International Political Conflicts [33.852036995882465]
  Poli-Biasは、大きな言語モデルが関連する国によって異なる法的に等価な紛争シナリオを扱うかどうかを測定するためのフレームワークである。 各国のアイデンティティとユーザアフィリエイトは、国際法の下で同等の行動が説明され、評価され、守られているかに体系的に影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2026-08-06T14:54:30Z)
• Inference-Time Steering for Cross-Lingual Factual Consistency in LLMs [51.56484100374058]
  大規模言語モデル(LLM)は目覚ましい多言語流布を示すが、その内部知識表現はハイリソース言語に対して不均等に偏っている。 我々は,これらのバイアスを推論時に緩和できるかどうかを考察し,対象言語でクエリされたかのように,英語の確率モデルに答えるように強制する。 Gemma 3 12Bの実験では、最も強い全体的な介入、効率性のバランス、安全性、ドメイン外の一般化を促すペルソナが明らかにされている。
  論文  参考訳（メタデータ） (2026-07-21T16:15:05Z)
• LLM-Ideoplasticity: Measuring Ideological Plasticity in the Political Behavior of LLMs as a Context-Conditioned Distribution [2.464003792743989]
  我々は、大規模言語モデルの政治的イデオロギーは固定点ではなく、実際の政治的空間における条件分布であると主張している。 VAA-CHESプロジェクションモデルで固定された統一計測フレームワークを用いて,9つのLLMの評価を行った。 説得的フレーミングはそれぞれの座標を最大0.57単位と0.52単位に置き換えるが、チェーン・オブ・シークレット推論はパラフレーズの不安定性を抑えるのではなく、しばしば増幅する。
  論文  参考訳（メタデータ） (2026-05-26T17:01:07Z)
• Mitigating Cross-Lingual Cultural Inconsistencies in LLMs via Consensus-Driven Preference Optimisation [58.01855677487771]
  本研究では,多言語大言語モデル (MLLM) が,プロンプトの言語変化に伴う不整合性を示すことを示す。 コンセンサス駆動型アライメントフレームワークであるC-3POを提案する。 C-3POは、非整合モデルよりも0.10ポイントの$_S$を絶対的に増加させ、強力なプロンプトと表現のステアリングベースラインを上回る。
  論文  参考訳（メタデータ） (2026-04-02T14:04:06Z)
• Bilingual Bias in Large Language Models: A Taiwan Sovereignty Benchmark Study [0.0]
  大規模言語モデル(LLM)は、多言語的文脈においてますます展開されているが、政治的に敏感なトピックに関する言語間の一貫性はまだ検討されていない。 本稿では,中国(台湾)の主権に関する質問に対して,中国語と英語で質問した17のLSMがどのように反応するかを,体系的なベンチマークで検討する。 我々は、重要な言語バイアス、すなわち、同じモデルがクエリ言語によって実質的に異なる政治的スタンスを生み出す現象を発見した。
  論文  参考訳（メタデータ） (2026-02-06T03:57:21Z)
• Measuring Political Stance and Consistency in Large Language Models [1.1296803881058548]
  政治に敏感な問題24件について,9つの大規模言語モデルのスタンスを5つのプロンプト手法を用いて評価した。 モデルはいくつかの問題に対して反対の姿勢をとることが多く、いくつかのポジションはプロンプトで順応可能であり、他のポジションは安定している。
  論文  参考訳（メタデータ） (2026-01-15T06:12:40Z)
• Language Mixing in Reasoning Language Models: Patterns, Impact, and Internal Causes [54.96891982093408]
  RLM(Reasoning Language Model)は、チェーン・オブ・シント・プロセスを利用して構造化中間ステップを生成することで、複雑なタスクに優れる。 言語混合、すなわちプロンプト以外の言語からのトークンを含む推論ステップがアウトプットで観測され、性能に影響することが示されている。 本研究では, RLMにおける言語混合に関する最初の体系的研究を行い, そのパターン, 影響, 内部要因を15言語にわたって検討した。
  論文  参考訳（メタデータ） (2025-05-20T18:26:53Z)
• Mapping Geopolitical Bias in 11 Large Language Models: A Bilingual, Dual-Framing Analysis of U.S.-China Tensions [2.8202443616982884]
  本研究は,11大言語モデル(LLM)における地政学的バイアスを系統的に解析する。 モデル出力のイデオロギー的傾きを検出するために,19,712個のプロンプトを作成した。 米国をベースとしたモデルは、主に米国支持の姿勢を好んでおり、一方中国のモデルでは、中国支持の偏見が顕著であった。
  論文  参考訳（メタデータ） (2025-03-31T03:38:17Z)
• Large Language Models Reflect the Ideology of their Creators [71.65505524599888]
  大規模言語モデル(LLM)は、自然言語を生成するために大量のデータに基づいて訓練される。 本稿では, LLMのイデオロギー的姿勢が創造者の世界観を反映していることを示す。
  論文  参考訳（メタデータ） (2024-10-24T04:02:30Z)
• 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)
• This Land is {Your, My} Land: Evaluating Geopolitical Biases in Language Models [40.61046400448044]
  大規模言語モデル (LLM) では, 異なる言語を問うと, 地理的知識が不整合に記憶されることが示されている。 対象とするケーススタディとして、本質的に議論の的かつ多言語的な課題である領土紛争を考察する。 本稿では,様々な言語における応答のバイアスと一貫性を正確に定量化するための評価指標を提案する。
  論文  参考訳（メタデータ） (2023-05-24T01:16:17Z)
• Provable Limitations of Acquiring Meaning from Ungrounded Form: What will Future Language Models Understand? [87.20342701232869]
  未知のシステムが意味を習得する能力について検討する。 アサーションによってシステムが等価性のような意味関係を保存する表現をエミュレートできるかどうか検討する。 言語内のすべての表現が参照的に透明であれば,アサーションによってセマンティックエミュレーションが可能になる。 しかし、言語が変数バインディングのような非透過的なパターンを使用する場合、エミュレーションは計算不能な問題になる可能性がある。
  論文  参考訳（メタデータ） (2021-04-22T01:00:17Z)

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。