論文の概要: Same Values, Different Languages? From Multilingual Probing to Steering LLMs Toward Chinese Social Values

• arxiv url: http://arxiv.org/abs/2609.08515v1
• Date: Tue, 08 Sep 2026 10:01:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.628385
• Title: Same Values, Different Languages? From Multilingual Probing to Steering LLMs Toward Chinese Social Values
• Title（参考訳）: 共通価値と異なる言語 : 多言語探索から中国社会価値へのLLMのステアリングまで
• Abstract要約: 隠れ状態の相違から値方向を導出する微調整自由値ベクトルステアリング法を提案する。 提案手法は,有効なCSVステアリングを実現し,値ベクトルの言語間移動をサポートし,既存のFLAMESやValuePrismに一般化する。
• 参考スコア（独自算出の注目度）: 35.26533029106899
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As Large Language Models (LLMs) are increasingly integrated into human society, aligning them with pluralistic social values has become a critical priority. However, whether LLMs exhibit consistent value preferences across languages remains underexplored, particularly for culturally grounded values, which are more abstract and difficult to evaluate and align than safety-centric principles. We investigate this issue through Chinese Social Values (CSV), a value system rooted in Chinese culture and comprising $12$ dimensions across national, societal, and personal levels. We construct C-Voices, the first comprehensive multilingual contrastive probe dataset for CSV, with 86,400 dilemma-based instances in six languages, each pairing a CSV-aligned action with a value-conflicting alternative. Building on the contrastive probes of C-Voices, we then propose a fine-tuning-free value vector steering method that derives value directions from hidden-state discrepancies and selectively intervenes on value-sensitive layers during inference. Experiments on six languages show that CSV-oriented preferences are model-dependent and language-sensitive, with the same dilemma eliciting divergent responses across languages. Our method achieves effective CSV steering, supports cross-lingual transfer of value vectors, and generalizes to existing FLAMES and ValuePrism.
• Abstract（参考訳）: 大規模言語モデル(LLM)が人間社会に統合されるにつれて、多元的社会価値との整合が重要視されている。 しかし、LLMが言語間で一貫した価値嗜好を示すかどうかについては、特に文化的に根ざした価値観については、安全中心の原則よりも抽象的で、評価し、整合するのが困難である。 中国文化に根ざした価値体系である中国社会価値(CSV)を通じてこの問題を調査する。 CSVのための最初の総合的多言語コントラスト型プローブデータセットであるC-Voicesを6言語で86,400のジレンマベースのインスタンスで構築し、それぞれがCSVに整列したアクションと値の競合する代替手段をペアリングする。 C-Voicesの対照的なプローブに基づいて、隠れ状態の差分から値方向を導出し、推論中に価値に敏感な層に選択的に介入する微調整自由値ベクトルステアリング法を提案する。 6つの言語での実験では、CSV指向の嗜好はモデルに依存し、言語に敏感であり、言語間で異なる応答をもたらすジレンマが同じである。 提案手法は,有効なCSVステアリングを実現し,値ベクトルの言語間移動をサポートし,既存のFLAMESやValuePrismに一般化する。

関連論文リスト

• Multilingual Refusal Alignment for Safer Large Language Models [53.64286756804503]
  単言語アライメントが言語横断的に伝達されるか,トレーニング中に言語一貫性が保たれるか,一般的な知識能力とのトレードオフが生じるかを検討する。 RefusEUは、12のヨーロッパ言語をカバーする新しい拒絶アライメントデータセットであり、現在の最先端モデルを評価するための専用のテストセットを含む。 制御された直接選好最適化(DPO)実験は、2つの重要な洞察を提供する: 英語でのみモデルを整列することは、同じハーネスカテゴリであっても、言語間安全を保証するには不十分である。
  論文  参考訳（メタデータ） (2026-04-24T09:29:14Z)
• Towards Cross-lingual Values Assessment: A Consensus-Pluralism Perspective [47.001227248208856]
  X-Valueは、グローバルな視点からコンテンツの深い価値を評価するために設計された、新しい言語間価値評価ベンチマークである。 X-Valueは18言語にまたがる5000以上のQAペアで構成され、シュワルツのベーシックヒューマンバリュー理論に基づく7つのコアドメインに体系的に組織化されている。
  論文  参考訳（メタデータ） (2026-02-19T11:41:34Z)
• I Am Aligned, But With Whom? MENA Values Benchmark for Evaluating Cultural Alignment and Multilingual Bias in LLMs [5.060243371992739]
  大規模言語モデル(LLM)の文化的アライメントと多言語バイアスを評価するための新しいベンチマークであるMENAValuesを紹介する。 大規模で権威ある人的調査から、我々は16カ国の人口レベルの応答分布を持つMENAの社会文化的景観を捉えた構造化データセットをキュレートした。 分析の結果,同じ質問が言語に基づいて大きく異なる反応をもたらす「クロス・Lingual Value Shifts」,その理由の説明を促す「Reasoning-induced Degradation」,モデルがセンシティブな質問を拒否する「Logit Leakage」,内部確率が強く隠蔽される「Logit Leakage」の3つの重要な現象が明らかになった。
  論文  参考訳（メタデータ） (2025-10-15T05:10:57Z)
• Trans-EnV: A Framework for Evaluating the Linguistic Robustness of LLMs Against English Varieties [36.1630542993178]
  大規模言語モデル (LLM) は標準アメリカ英語 (SAE) に基づいて評価され、しばしばグローバルな英語品種の多様性を見落としている。 我々は,SAEデータセットを複数の英語変種に変換するフレームワークであるTrans-EnVを導入し,言語的堅牢性を評価する。 その結果,非標準品種の精度は46.3%まで低下した。
  論文  参考訳（メタデータ） (2025-05-27T08:23:27Z)
• The Hidden Space of Safety: Understanding Preference-Tuned LLMs in Multilingual context [0.9130277390156759]
  アライメントチューニングにより、大きな言語モデルは、推論、命令追従、有害な世代を最小化できる。 広く展開されているにもかかわらず、これらのモデルはモノリンガルバイアスを示し、言語間のアライメントの有効性に関する懸念を提起する。 現在のアライメント手法は主に英語に重点を置いており、アライメント機構が多言語設定にどのように一般化するかははっきりしない。
  論文  参考訳（メタデータ） (2025-04-03T15:46:46Z)
• Language Model Alignment in Multilingual Trolley Problems [138.5684081822807]
  Moral Machine 実験に基づいて,MultiTP と呼ばれる100以上の言語でモラルジレンマヴィグネットの言語間コーパスを開発する。 分析では、19の異なるLLMと人間の判断を一致させ、6つのモラル次元をまたいだ嗜好を捉えた。 我々は、AIシステムにおける一様道徳的推論の仮定に挑戦し、言語間のアライメントの顕著なばらつきを発見した。
  論文  参考訳（メタデータ） (2024-07-02T14:02:53Z)
• CIVICS: Building a Dataset for Examining Culturally-Informed Values in Large Language Models [59.22460740026037]
  大規模言語モデル(LLM)の社会的・文化的変動を評価するためのデータセット「CIVICS:文化インフォームド・バリュース・インクルーシブ・コーパス・フォー・ソシエティ・インパクト」 我々は、LGBTQIの権利、社会福祉、移民、障害権利、代理など、特定の社会的に敏感なトピックに対処する、手作りの多言語プロンプトのデータセットを作成します。
  論文  参考訳（メタデータ） (2024-05-22T20:19:10Z)
• Exploring Multilingual Concepts of Human Value in Large Language Models: Is Value Alignment Consistent, Transferable and Controllable across Languages? [34.38469832305664]
  本稿では,AIの安全性の重要性から,人間の価値観に関する概念(すなわち,価値の概念)に焦点を当てる。 我々はまず,LLMにおける価値概念の存在を多言語形式で実証的に確認した。 これらの概念の言語間特性に関するさらなる分析は、言語資源の相違から生じる3つの特徴を明らかにしている。
  論文  参考訳（メタデータ） (2024-02-28T07:18:39Z)
• AM2iCo: Evaluating Word Meaning in Context across Low-ResourceLanguages with Adversarial Examples [51.048234591165155]
  本稿では, AM2iCo, Adversarial and Multilingual Meaning in Contextを提案する。 言語間文脈における単語の意味の同一性を理解するために、最先端(SotA)表現モデルを忠実に評価することを目的としている。 その結果、現在のSotAプリトレーニングエンコーダは人間のパフォーマンスにかなり遅れていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T20:23:45Z)

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。