論文の概要: When Does Defendant Statement Matter? A Study of Bias and Persuasion in LLM-Simulated Jurors

• arxiv url: http://arxiv.org/abs/2609.09887v1
• Date: Wed, 09 Sep 2026 08:43:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.955818
• Title: When Does Defendant Statement Matter? A Study of Bias and Persuasion in LLM-Simulated Jurors
• Title（参考訳）: 被告文書はいつ重要か? : LLM-Simulated Jurorsにおけるバイアスと説得について
• Abstract要約: 我々は、被告の法廷声明がLLMシミュレーション陪審員にいつ、どのように影響するかを調査する。 ジュリアベンチ(英: JuryBench)は、アメリカ合衆国の刑事訴訟に関するベンチマークである。 陪審員は、罪悪感や矛盾の証拠としてそれを認識できるので、感情的な説得は有害である可能性がある。 陪審員と被告人の背景は、他の孤立した要因よりも強く重要な要素である。
• 参考スコア（独自算出の注目度）: 2.8935588665357077
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: LLMs have been used to simulate human decision-making in professional settings, yet their behaviors in common-law jury trials remain unexplored. We study when and how a defendant's courtroom statement affects LLM-simulated jurors, focusing on persuasion, ideological bias, and background-based affinity. To support the analysis, we introduce JuryBench, a benchmark containing controversial criminal cases in U.S. criminal law. In each case, a defendant can claim various plausible justifications to support acquittal or reduced liability. We fix the base case and design defendants of different backgrounds, who give courtroom statements with varying emotional appeal or rebuttal. Jurors with diverse ideological profiles across the spectrum are simulated. We examine 20 frontier LLMs, resulting in a total of 432K decisions and rationales, and quantify changes in verdict severity. Our findings show that LLM-jury simulation echoes many human-jury findings. First, emotional persuasion can be detrimental, since jurors may perceive it as evidence of guilt or inconsistency. Next, we show that background fit between jurors and defendants is a stronger and significant factor than other isolated factors, and that jurors are in general harsher toward opposite-background defendants and lenient toward same-background ones. Finally, we find that juror ideology also strongly shapes severity judgments. These findings highlight both the promise and risks of using LLMs to model jury reasoning and call for careful evaluation. The data and code are available at https://github.com/choyingw/JuryBench
• Abstract（参考訳）: LLMは、プロフェッショナルな環境での人間の意思決定をシミュレートするために使われてきたが、コモン・ローの陪審裁判における彼らの行動は未解明のままである。 我々は,被告の法廷声明がLLMを模擬した陪審員にどのように影響するかを,説得,イデオロギー的偏見,背景に基づく親和性に着目して検討した。 この分析を支援するために、米国刑事法で議論を呼んでいる刑事事件を含むベンチマークであるJuryBenchを紹介する。 いずれの場合も、被告は無罪または減価償却責任を支持するために、様々な妥当な正当化を主張できる。 我々は、異なる背景を持つ基本のケースと設計の被告を修正し、異なる感情的なアピールや反論を伴う法廷の声明を提出する。 スペクトルの多様なイデオロギープロファイルを持つジャラーはシミュレートされる。 我々は,20のフロンティアLSMを検証し,合計432Kの判定と合理化を行い,検証精度の変化を定量化する。 以上の結果から, LLM-jury シミュレーションは多くのヒト-jury の知見を反映していることが示唆された。 第一に、陪審員は罪悪感または矛盾の証拠としてそれを認識できるので、感情的な説得は有害である可能性がある。 次に, 陪審員と被告人の背景適合性は他の孤立した要因よりも強く, 重要な要因であり, 陪審員は一般的に, 裏面の被告に対して厳格であり, 裏面の被告に対して寛容であることを示す。 最後に、陪審員のイデオロギーは重大判断を強く形作る。 これらの結果は、陪審員の推論をモデル化し、慎重な評価を求めるためにLLMを使うことの約束とリスクの両方を強調した。 データとコードはhttps://github.com/choyingw/JuryBenchで公開されている。

関連論文リスト

• Reasoning Jury: Multi-Model Consensus for Evaluating Reasoning Traces [8.727904788574602]
  Reasoning Jury は、単一の裁判官を LLM の陪審員に置き換えるシステムである。 Reasoning Juryでは、推論の痕跡とその重大さの欠陥は、熟考を通して表面化される。 オープンウェイトモデルの陪審員によるReasoning Juryは、フロンティアモデルを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2026-08-12T21:00:22Z)
• CyberJurors: A Multi-Agent Simulation Task for E-Commerce Disputes Verdict [59.06704011432714]
  電子商取引プラットフォームは、大量の取引紛争を判断するためにクラウドソースの陪審員を募集し始めた。 本稿では,先駆的タスクであるEDV(E-Commerce Dispute Verdicts)と,6,000件の現実世界のケースからなるマルチモーダルベンチマークであるVerdictBenchを紹介する。 本稿では,論争ロジックを明確にし,判定プロセスを制御するマルチエージェントフレームワークであるCyberJurorsを提案する。
  論文  参考訳（メタデータ） (2026-05-27T12:07:44Z)
• How Long Reasoning Chains Influence LLMs' Judgment of Answer Factuality [9.19183567561999]
  大規模言語モデル(LLM)は、人間の評価のためのスケーラブルなサロゲートとして広く採用されているが、そのような判断は依然として不完全であり、表面レベルの偏見に影響を受けやすい。 推論可能なモデルの増加に伴い、ジェネレータの推論内容を判断者に公開することで、よりリッチな情報を提供し、判定精度を向上させるための自然な候補となる。 弱い裁判官は存在を推論することで容易に揺れるが、強い裁判官は情報的証拠として推論を部分的に活用できる。
  論文  参考訳（メタデータ） (2026-04-08T07:21:18Z)
• Profiling vs. Case-specific Evidence: A Probabilistic Analysis [0.0]
  我々は、証拠のプロファイリングが一般的な仮説を支持するかもしれないと論じるが、被告が非難される特定の犯罪に対して有罪であるという証拠ではない。 我々の批判は、明白な価値の確率論的分析において、議論を根拠にすることで他者から離れる。
  論文  参考訳（メタデータ） (2026-02-17T13:43:02Z)
• Quantitative LLM Judges [60.773734899532336]
  本研究では,既存のLLM審査員の評価スコアを,与えられた領域内の人間と一致させる定量的LLM審査員を提案する。 モデルは、その合理性とスコアを使用して、元の審査員のスコアを改善するために訓練される。 実験の結果, 定量的な判断は, ポストホックモデリングにより, 既存の判断の予測力を向上できることがわかった。
  論文  参考訳（メタデータ） (2025-06-03T14:44:23Z)
• Arbiters of Ambivalence: Challenges of Using LLMs in No-Consensus Tasks [52.098988739649705]
  本研究では, LLMのバイアスと限界について, 応答生成器, 判定器, 討論器の3つの役割について検討した。 我々は、様々な先行的曖昧なシナリオを含む例をキュレートすることで、合意なしのベンチマークを開発する。 以上の結果から, LLMは, オープンエンドの回答を生成する際に, 曖昧な評価を行うことができる一方で, 審査員や討論者として採用する場合は, 合意なしのトピックにスタンスを取る傾向が示唆された。
  論文  参考訳（メタデータ） (2025-05-28T01:31:54Z)
• JudgeBench: A Benchmark for Evaluating LLM-based Judges [61.048125269475854]
  judgeBenchは、知識、推論、数学、コーディングにまたがる挑戦的な応答ペアに関するLSMベースの判断を評価するためのベンチマークである。 審査員、微調整された審査員、マルチエージェントの審査員、報酬モデルに関する包括的な評価は、審査員ベンチが以前のベンチマークよりもかなり大きな課題を課していることを示している。
  論文  参考訳（メタデータ） (2024-10-16T17:58:19Z)
• 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)
• MoCa: Measuring Human-Language Model Alignment on Causal and Moral Judgment Tasks [49.60689355674541]
  認知科学の豊富な文献は人々の因果関係と道徳的直観を研究してきた。 この研究は、人々の判断に体系的に影響を及ぼす多くの要因を明らかにした。 大規模言語モデル(LLM)が、人間の参加者と一致するテキストベースのシナリオについて因果的、道徳的な判断を下すかどうかを検証する。
  論文  参考訳（メタデータ） (2023-10-30T15:57:32Z)
• JudgeLM: Fine-tuned Large Language Models are Scalable Judges [48.053949045598344]
  大規模言語モデル(LLM)をオープンなシナリオで評価することは、既存のベンチマークやメトリクスがそれらを包括的に測定できないため、難しい。 本稿では,拡張性のある審査員 (JudgeLM) としてLLMを微調整し,LLMを効率よく,かつ効率的に評価する手法を提案する。 我々は7B,13Bから33Bパラメータの異なるスケールでJiceLMを訓練し、その能力と振る舞いを体系的に分析する。
  論文  参考訳（メタデータ） (2023-10-26T17:48:58Z)
• Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena [76.21004582932268]
  本研究では, LLM-as-a-judgeの使用状況と限界について検討し, 位置, 冗長性, 自己改善バイアスについて検討した。 次に、マルチターン質問セットであるMT-benchとクラウドソースのバトルプラットフォームであるArenaの2つのベンチマークを導入することで、LCMの判断と人間の嗜好の一致を検証する。
  論文  参考訳（メタデータ） (2023-06-09T05:55:52Z)
• AI-lead Court Debate Case Investigation [24.221021061471177]
  裁判では、裁判官がその事件についてより明確に理解できるように、裁判官が効率的な疑問を提起するのに役立つ。 本研究では, 試行脳構築のための革新的エンドツーエンド質問生成モデル-Trial Brain Model (TBM)を提案する。
  論文  参考訳（メタデータ） (2020-10-22T11:05:14Z)

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。