論文の概要: Navigating the digital spectrum: Assessing political bias, stability, and downstream fairness in Large Language Models

• arxiv url: http://arxiv.org/abs/2609.08637v1
• Date: Tue, 08 Sep 2026 12:07:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 16:08:35.118801
• Title: Navigating the digital spectrum: Assessing political bias, stability, and downstream fairness in Large Language Models
• Title（参考訳）: デジタルスペクトラムをナビゲートする:大規模言語モデルにおける政治的バイアス、安定性、下流フェアネスの評価
• Abstract要約: 14言語にまたがる8つのGemma 3およびQwen 3モデルと3つの量子化レベルを評価した。 ほとんどのモデルは平均してリバタリアン・レフトに傾いているが、命令のフレーズ、言語、答えの形式は復元された座標に大きく影響している。 テストのリバースエンジニアリングは軸重み付けの不均衡と、中心に対する退化反応の崩壊を露呈する。
• 参考スコア（独自算出の注目度）: 3.937573365677865
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models are increasingly deployed as information intermediaries, yet measuring their political behavior remains fragile because questionnaire results mix model dispositions with measurement artifacts and response-elicitation biases. We introduce a robust Political Compass Test evaluation framework that samples 300 configurations across an eight-dimensional perturbation space varying language, framing, instructions, answer format, option order, and persona wording. We evaluate eight Gemma 3 and Qwen 3 models across 14 languages and three quantization levels, obtaining design-averaged political coordinates with quantified uncertainty. Most models lean Libertarian-Left on average, but instruction phrasing, language, and answer format significantly affect recovered coordinates. Cross-lingual differences primarily reflect coordinate drift rather than distinct cultural reasoning. Reverse-engineering the test also exposes axis-weighting imbalances and the collapse of degenerate responses toward the center, so near-origin estimates for the smallest models can reflect weak signal rather than centrism. Free-text reasoning and chat-then-classify elicitation alter recovered coordinates, and larger models show clearer persona separation, with a specific failure of the Authoritarian-Left persona to move most models in the intended social direction. In downstream tasks, persona effects are modest relative to model size and target group for hate-speech detection, while base and centrist prompts give the highest agreement for topic-level sentiment. Political role prompting therefore has measurable but task- and dataset-specific downstream effects.
• Abstract（参考訳）: 大規模言語モデルは情報仲介者としてますます展開されているが、その政治的行動を測定することは脆弱である。 本研究では,8次元摂動空間の異なる言語,フレーミング,命令,解答形式,選択肢順序,ペルソナ語などを対象に,300のコンフィグレーションをサンプリングする,ロバストな政治コンパステスト評価フレームワークを提案する。 14言語にまたがる8つのGemma 3およびQwen 3モデルと3つの量子化レベルを評価し、定量化不確実性を持つ設計平均政治座標を求める。 ほとんどのモデルは平均してリバタリアン・レフトに傾いているが、命令のフレーズ、言語、答えの形式は復元された座標に大きく影響している。 言語間の差異は、主に文化的な理由からではなく、座標のドリフトを反映している。 逆エンジニアリングテストはまた、軸重みの不均衡と縮退応答の中央への崩壊を露呈するので、最小モデルのほぼオリジン推定は、遠心性よりも弱い信号を反映することができる。 自由文推論とチャットテーマ分類のエリケーションは、回復した座標を変更し、より大きなモデルはより明確なペルソナの分離を示し、権威主義とレフトのペルソナの特定の失敗は、ほとんどのモデルを意図した社会的方向に移動させる。 下流タスクでは、ペルソナ効果はヘイトスピーチ検出のためのモデルサイズとターゲットグループに対して控えめであり、ベースとセントレットのプロンプトはトピックレベルの感情に最も同意する。 したがって、政治的役割の促進は測定可能であるが、タスクとデータセット固有の下流効果がある。

関連論文リスト

• IndicQE-APE: A Benchmark for Quality Estimation and Automatic Post-Editing for Indic Languages [77.88427845181154]
  我々はWMT 2020-2024の共有タスクの系統を、英語のリソースを拡張してインディクシーに集約する:9つの方向対に対して126,754ドルのインスタンス。 セグメントレベルのQEでは,LSMが6つ,COMETが3つ,APEでは3つのシステムをベンチマークした。
  論文  参考訳（メタデータ） (2026-08-17T09:50:52Z)
• Auditing Alignment Controllability in LLMs via Political Axes [0.0]
  政治監査は通常、政治的コンパスのポイントを1つに減らす。 どれくらいの距離で、どの方向で、モデルの答えを判断できるのか。 我々は,12のイデオロギー的ペルソナに対して,プロンプトベース制御性の分散第一ストレステストを実施している。
  論文  参考訳（メタデータ） (2026-07-26T07:38:11Z)
• Attribute-Based Diagnosis of LLM Alignment with Hate Speech Annotations [48.69228180369574]
  ヘイトスピーチアノテーションはコストが高く、主観的で、アノテータの意見の相違がちである。 大規模言語モデル(LLM)が人間の判断とどのように一致しているかを分析する。 本研究では, ヘイトスピーチコーパスから連続ヘイトスピーチスコアを再構成する。
  論文  参考訳（メタデータ） (2026-05-26T13:44:48Z)
• Political Alignment in Large Language Models: A Multidimensional Audit of Psychometric Identity and Behavioral Bias [2.464003792743989]
  本研究は,26の著名な大言語モデル(LLM)の社会技術監査について述べる。 アライメント信号は、ノイズではなく、一貫したアーキテクチャ特性であるように見える。 モデルは体系的な「中心シフト」を示し、しばしば中立の項目を左派として分類する。
  論文  参考訳（メタデータ） (2026-01-08T03:26:15Z)
• Bridging Human and Model Perspectives: A Comparative Analysis of Political Bias Detection in News Media Using Large Language Models [0.3227658251731014]
  本研究では,人間のアノテーションと複数の言語モデルによる政治的偏見の検出を評価するための比較枠組みを提案する。 我々は,手動でアノテートしたニュース記事のデータセットを構築し,アノテート一貫性,バイアス極性,モデル間合意を評価する。 実験の結果,従来のトランスフォーマーベースモデルでは,RoBERTaが最も高いアライメントを達成していることがわかった。
  論文  参考訳（メタデータ） (2025-11-18T15:58:04Z)
• Are Stereotypes Leading LLMs' Zero-Shot Stance Detection ? [4.861653297482551]
  大規模言語モデルは、事前訓練されたデータからステレオタイプを継承し、特定の社会グループに対して偏見のある行動をもたらす。 本稿では,ゼロショット環境でスタンス検出を行う場合の大規模言語モデルのバイアスに着目した。 LLMは、文章の複雑さの低いマリファナの見方と、ドナルド・トランプに反対するアフリカ系アメリカ人の方言とを誤って関連付けるなど、スタンス検出タスクにおいて重要なステレオタイプを示すことを示す。
  論文  参考訳（メタデータ） (2025-10-23T03:05:25Z)
• Multilingual Political Views of Large Language Models: Identification and Steering [11.071018930042909]
  大規模言語モデル(LLM)は、日々のツールやアプリケーションでますます使われており、政治的見解への潜在的な影響に対する懸念が高まっている。 政治コンパステスト(Political Compass Test)を用いて,14言語にまたがる7つのモデルの評価を行った。 以上の結果から,より大きなモデルがリバタリアンと左の位置に一貫して移行し,言語やモデルファミリに有意な変化が認められた。
  論文  参考訳（メタデータ） (2025-07-30T12:42:35Z)
• Spoken Stereoset: On Evaluating Social Bias Toward Speaker in Speech Large Language Models [50.40276881893513]
  本研究では,音声大言語モデル(SLLM)における社会的バイアスの評価を目的としたデータセットであるSpken Stereosetを紹介する。 多様な人口集団の発話に対して異なるモデルがどのように反応するかを調べることで、これらのバイアスを特定することを目指している。 これらの結果から,ほとんどのモデルではバイアスが最小であるが,ステレオタイプや反ステレオタイプ傾向がわずかにみられた。
  論文  参考訳（メタデータ） (2024-08-14T16:55:06Z)
• Analyzing the Limits of Self-Supervision in Handling Bias in Language [52.26068057260399]
  我々は、言語モデルが、認識、識別、抽出、言い換えの4つのタスクのセマンティクスをいかにうまく捉えているかを評価する。 分析の結果,言語モデルでは,ジェンダーや政治的アフィリエイトなど,様々なバイアス次元にまたがって,これらのタスクを広範囲にわたって実行することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-12-16T05:36:08Z)
• Few-shot Instruction Prompts for Pretrained Language Models to Detect Social Biases [55.45617404586874]
  我々は、事前訓練された言語モデル(LM)を誘導する数ショットの命令ベース手法を提案する。 大規模なLMは、微調整モデルとよく似た精度で、異なる種類の細粒度バイアスを検出できることを示す。
  論文  参考訳（メタデータ） (2021-12-15T04:19:52Z)
• AES Systems Are Both Overstable And Oversensitive: Explaining Why And Proposing Defenses [66.49753193098356]
  スコアリングモデルの驚くべき逆方向の脆さの原因について検討する。 のモデルとして訓練されているにもかかわらず、単語の袋のように振る舞うことを示唆している。 高い精度で試料を発生させる過敏性と過敏性を検出できる検出ベース保護モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-24T03:49:38Z)

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。