論文の概要: DiSCo: A Distribution-First Steering and Cultural Prior Evaluation Framework for Measuring Cultural Preference Bias in LLMs

• arxiv url: http://arxiv.org/abs/2609.10253v1
• Date: Wed, 09 Sep 2026 14:40:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.067079
• Title: DiSCo: A Distribution-First Steering and Cultural Prior Evaluation Framework for Measuring Cultural Preference Bias in LLMs
• Title（参考訳）: DiSCo:LLMにおける文化選好バイアス測定のための配電型ステアリングと文化選好評価フレームワーク
• Abstract要約: 大規模な言語モデルは、他のものよりも体系的に一部の文化を好むことができる。 既存のベンチマークは、単一の"正しい"回答に対して精度を評価する。 分散優先型強制選択評価フレームワークである提案手法を提案する。
• 参考スコア（独自算出の注目度）: 1.2802720336459552
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are increasingly deployed in globally used assistants, yet their default choices in culturally grounded everyday situations can systematically favour some cultures over others, affecting localisation, user trust, and equitable behaviour. Existing cultural benchmarks evaluate accuracy against a single "correct" answer, making it difficult to characterise an LLM's cultural preference prior when multiple culturally grounded responses are all valid; they also conflate default preferences with context-driven adaptation. We propose DiSCo, a distribution-first forced-choice evaluation framework that isolates default cultural priors and tests steerability via a four-level context gradient (C0--C3). Using DiSCo-Bench (304 items) derived from BLEnD spanning 12 cultures, we evaluate six diverse instruction-tuned LLMs. Default priors are heavily concentrated, with UK and US together absorbing approximately 35\% of all selections despite representing only 2 of 12 cultures. Most critically, prompt-based steering consistently widens the selection gap between high- and low-resource cultures, and injecting explicit cultural facts produces negligible distributional disruption, confirming that cultural preference bias cannot be resolved through prompt-based personalisation alone.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、グローバルに使用されているアシスタントにますますデプロイされているが、文化的に根ざした日常的な状況におけるデフォルトの選択は、ローカライゼーション、ユーザ信頼、公平な振る舞いに影響を及ぼす、いくつかの文化を体系的に好むことができる。 既存の文化ベンチマークでは、1つの「正しい」回答に対して正確さを評価しており、複数の文化的根拠のある回答がすべて有効である場合に、LCMの文化的嗜好を特徴付けることは困難である。 本研究では,4段階の文脈勾配(C0-C3)を用いて,既定の文化的先行とテストのステアビリティを分離する分散優先型強制選択評価フレームワークであるDiSCoを提案する。 BLEnD 由来の DiSCo-Bench (304項目) を12 の培養培養に応用し,6 種類の命令調整 LLM の評価を行った。 イギリスと米国は、12の文化のうち2つしか代表していないにもかかわらず、すべての選択の約35%を吸収している。 最も重要なのは、プロンプトベースのステアリングは、高リソース文化と低リソース文化の間の選択ギャップを一貫して拡大し、明示的な文化的事実を注入すると無視できる分布破壊が生じ、プロンプトベースのパーソナライゼーションだけで文化的な嗜好バイアスが解決できないことを確認することである。

関連論文リスト

• MSQA: A Natively Sourced Multilingual and Multicultural SimpleQA Benchmark [31.67992649991894]
  ユーザの言語を話せるモデルは、その言語によってコード化された文化を理解する必要がある。 MSQAは,11の言語グループ,5つの文化的次元,3つの難易度を対象とする,1,064のネイティブソース質問のベンチマークである。 実質的な文化的劣化と顕著な局部性効果を見いだす。
  論文  参考訳（メタデータ） (2026-07-01T10:12:03Z)
• CCBENCH: Assessing LLM Cultural Competence via Implicitly Signaled Norms using Health Queries [42.15271207948674]
  大規模言語モデル(LLM)における文化的能力評価フレームワークであるCCBENCHを紹介する。 CCBENCH-Healthは、6つの文化にまたがる様々な標準順守状態を示す60の人格を含む。 5つの主要なモデルをベンチマークすると、最善者が文化的に適切なレスポンスを達成しても、その時間の20～30%しか得られないことが明らかになった。
  論文  参考訳（メタデータ） (2026-06-08T22:52:34Z)
• Whose Norms? Disentangling Cultural and Personal Alignment in Large Language Models [66.34115263472931]
  大規模言語モデルは、文化的規範と個人の嗜好のバランスを必要とする社会的意思決定の状況にますます使われてきている。 PACT(Personal-Preference and Cultural-Norm Trade-off framework)を導入し,モデルが文化的規範に従うか,あるいは個人の嗜好を許容するかを評価する。 PACTに関する5つの国による研究は、人間の文化のフォローは主にシナリオ国によって行われており、参加者が自身の文化的文脈を判断する際の合意は最低であることを示している。
  論文  参考訳（メタデータ） (2026-06-05T22:20:30Z)
• CultureForest: Understanding and Evaluating Cultural Norm Grounded Reasoning in LLMs [59.09971492475217]
  TextitCultural Norm Grounded ReasoningのベンチマークであるCultureForestを紹介する。 CultureForestは8つのドメインで5,378のサンプルと53の国/リージョンで構成されている。 大規模な実験では、トップ層モデルでさえ、オープンな設定で大幅に劣化していることが明らかになった。
  論文  参考訳（メタデータ） (2026-06-01T08:25:12Z)
• LLMs and Cultural Values: the Impact of Prompt Language and Explicit Cultural Framing [0.21485350418225244]
  大規模言語モデル(LLM)は、世界中のユーザによって急速に採用され、さまざまな言語でそれらと対話している。 言語と文化のフレーミングが、異なる国の人的価値にどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2025-11-06T02:09:29Z)
• Cross-Cultural Transfer of Commonsense Reasoning in LLMs: Evidence from the Arab World [68.19795061447044]
  本稿では,アラブ世界におけるコモンセンス推論の異文化間移動について検討する。 アラブ13カ国を対象とした文化基盤のコモンセンス推論データセットを用いて,軽量アライメント手法の評価を行った。 以上の結果から,他国の文化特有例は12例に過ぎず,他国の文化特有例を平均10%向上させることができた。
  論文  参考訳（メタデータ） (2025-09-23T17:24:14Z)
• From Surveys to Narratives: Rethinking Cultural Value Adaptation in LLMs [62.9861554207279]
  LLM(Large Language Models)における文化的価値の適応は大きな課題である。 これまでの作業は主に、World Values Survey (WVS)データを使用して、LLMをさまざまな文化的価値と整合させる。 我々は,文化価値適応のためのWVSベースのトレーニングについて検討し,調査データのみに頼って文化規範を実践し,事実知識に干渉することを発見した。
  論文  参考訳（メタデータ） (2025-05-22T09:00:01Z)
• CARE: Multilingual Human Preference Learning for Cultural Awareness [48.760262639641496]
  我々は,3,490の文化的特異な質問と31.7kの人的判断応答を含む多言語リソースであるtextbfCAREを紹介する。 質の高いネイティブな嗜好の質が、様々なLMの文化意識をいかに向上させるかを示す。 分析の結果,初期の文化的パフォーマンスが向上したモデルの方がアライメントの恩恵を受けやすいことがわかった。
  論文  参考訳（メタデータ） (2025-04-07T14:57:06Z)
• Not All Countries Celebrate Thanksgiving: On the Cultural Dominance in Large Language Models [89.94270049334479]
  本稿では,大規模言語モデル(LLM)における文化的優位性について述べる。 LLMは、ユーザーが非英語で尋ねるときに期待する文化とは無関係な、不適切な英語文化関連の回答を提供することが多い。
  論文  参考訳（メタデータ） (2023-10-19T05:38:23Z)

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。