論文の概要: How Humans and LLMs Read Gender into "Gender-Neutral" Physical Descriptions

• arxiv url: http://arxiv.org/abs/2609.16366v2
• Date: Wed, 16 Sep 2026 20:53:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.425529
• Title: How Humans and LLMs Read Gender into "Gender-Neutral" Physical Descriptions
• Title（参考訳）: 人間とLLMがジェンダーを「ジェンダーニュートラル」の物理記述にどのように読み込むか
• Abstract要約: GAPA(Gender Associations of Physical Attributes)は、様々なソースから抽出される316の一般的な物理的属性のデータセットである。 その結果、身体的記述は、非バイナリアイデンティティよりも、女性と男性にとって一貫性があり、独特な関連性を持つ、構造化された、グレードされたジェンダーアソシエーションを持つことが示された。 モデルは部分的に人間関係を回復するが、体系的なアライメントバイアスを示す。例えば、圧縮された評価分布、男性関係のアライメントの弱いアライメント、非二項カテゴリーを不均等に対象とする非対称的アライメントである。
• 参考スコア（独自算出の注目度）: 5.316150708326188
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When foundation models describe people, recent work in AI fairness, accessibility, and ethics recommends avoiding inferred identity labels (e.g., "she", "his") in favor of seemingly "objective" physical descriptions (e.g., "short hair", "a defined jawline"). Yet whether such descriptive language achieves gender-neutral communication remains an open empirical question. To study this, we introduce GAPA (Gender Associations of Physical Attributes), a dataset of 316 common physical attributes drawn from diverse sources, paired with 14,706 gender-association ratings from 304 US-based annotators. Results show that physical descriptions carry structured and graded gender associations among readers, with more consistent and distinctive associations for women and men than for non-binary identities. Next, we evaluate 16 LLMs across model families, sizes, and post-training variants against human ratings. The models partially recover human associations but exhibit systematic alignment biases, including compressed rating distributions, weaker alignment for associations with men, and asymmetric abstention that disproportionately targets the non-binary category. Finally, we release the best-performing proxy model trained to predict humans' gender associations of descriptive language and demonstrate its utility through a sociolinguistic analysis of character descriptions in LitBank. Together, our findings provide the first empirical evidence that seemingly "objective" physical descriptions can retain systematic gender associations in human interpretation, and uncover systematic patterns of model-human misalignment. This challenges the assumption that replacing explicit gender labels with physical descriptions necessarily yields gender-neutral communication, and highlights downstream challenges in using such descriptions to communicate subjective identity categories in human-AI interaction.
• Abstract（参考訳）: 基礎モデルが人々を記述するとき、AIフェアネス、アクセシビリティ、倫理に関する最近の研究は、推測されたアイデンティティラベル(例えば、"she", "his")を避けて、一見「客観的"な物理的記述(例えば、"short hair", "a defined jawline")を推奨している。 しかし、このような記述的言語が性中立的なコミュニケーションを達成できるかどうかは、まだ明らかな実証的な疑問である。 GAPA (Gender Associations of Physical Attributes) は, 様々なソースから抽出される316の共通属性のデータセットである。 以上の結果から, 身体的記述は, 非二元的同一性よりも, 女性と男性に対して, より一貫した, 独特な関連性を持つ, 読者間の構造的, 格付けされた性的な関連性を持っていることが明らかとなった。 次に、モデルファミリ、サイズ、およびポストトレーニング後の人格評価に対する16のLLMを評価した。 これらのモデルは、部分的に人間関係を回復するが、体系的なアライメントバイアスを示す。例えば、圧縮された評価分布、男性関係のアライメントの弱いアライメント、非二項カテゴリーを不均等に対象とする非対称的アライメントである。 最後に,記述言語における人間の性関係の予測と,LitBankにおける人格記述の社会言語学的分析を通じて,その実用性を実証するために訓練された,最高のパフォーマンスのプロキシモデルをリリースする。 本研究は, 対象的」な身体的記述が, 人間の解釈において, 体系的な性関係を維持できることを示す最初の実証的証拠を提示し, モデル・人間の不一致の系統的なパターンを明らかにする。 このことは、明示的な性別ラベルを物理的記述に置き換えることが、必ずしも性中立的なコミュニケーションをもたらすという仮定に挑戦し、人間とAIの相互作用において主観的アイデンティティーカテゴリーを伝えるためにそのような記述を使用することにおける下流の課題を強調している。

関連論文リスト

• Aesthetics as Structural Harm: Algorithmic Lookism Across Text-to-Image Generation and Classification [7.66240023008789]
  生成型AIモデルは、顔の魅力と正の属性と逆の属性をどう関連づけるかを示す。 3つの性別分類アルゴリズムにおいて,入力面の属性によって有意な性別バイアスが認められた。
  論文  参考訳（メタデータ） (2026-01-15T15:23:38Z)
• Vision-Language Models display a strong gender bias [1.4633779950109127]
  職業や活動を記述した短いフレーズの埋め込みの近くに顔画像の埋め込みを配置する際、対照的な視覚言語エンコーダが性関係を示すかどうかを検証する。 感情労働、認知労働、国内労働、技術労働、専門職、身体労働を含む6つのカテゴリにまたがる150のユニークな言明と220枚の顔写真からなるデータセットを収集した。 この結果は、不確実性、単純な正当性チェック、頑健な性別バイアス評価フレームワークを伴い、対照的な視覚言語空間における性関係の声明的およびカテゴリー的マップである。
  論文  参考訳（メタデータ） (2025-08-15T06:57:26Z)
• Blind Men and the Elephant: Diverse Perspectives on Gender Stereotypes in Benchmark Datasets [12.798832545154271]
  本稿では,内在型ステレオタイプベンチマークの不整合について検討する。 StereoSetとCrowS-Pairsをケーススタディとして,データ分布がベンチマーク結果に与える影響を検討した。
  論文  参考訳（メタデータ） (2025-01-02T09:40:31Z)
• The Root Shapes the Fruit: On the Persistence of Gender-Exclusive Harms in Aligned Language Models [91.86718720024825]
  我々はトランスジェンダー、ノンバイナリ、その他のジェンダー・ディバースのアイデンティティを中心とし、アライメント手順が既存のジェンダー・ディバースバイアスとどのように相互作用するかを検討する。 以上の結果から,DPO対応モデルは特に教師付き微調整に敏感であることが示唆された。 DPOとより広範なアライメントプラクティスに合わせたレコメンデーションで締めくくります。
  論文  参考訳（メタデータ） (2024-11-06T06:50:50Z)
• GenderCARE: A Comprehensive Framework for Assessing and Reducing Gender Bias in Large Language Models [73.23743278545321]
  大規模言語モデル(LLM)は、自然言語生成において顕著な能力を示してきたが、社会的バイアスを増大させることも観察されている。 GenderCAREは、革新的な基準、バイアス評価、リダクションテクニック、評価メトリクスを含む包括的なフレームワークである。
  論文  参考訳（メタデータ） (2024-08-22T15:35:46Z)
• Leveraging Large Language Models to Measure Gender Representation Bias in Gendered Language Corpora [9.959039325564744]
  大規模言語モデル(LLM)は、しばしば、トレーニングデータに埋め込まれた社会的バイアスを継承し、増幅する。 性バイアスとは、特定の役割や特性と特定の性別の関連性である。 ジェンダー表現バイアスは、性別の異なる個人への参照の不平等な頻度である。
  論文  参考訳（メタデータ） (2024-06-19T16:30:58Z)
• Unveiling Gender Bias in Terms of Profession Across LLMs: Analyzing and Addressing Sociological Implications [0.0]
  この研究は、AI言語モデルにおけるジェンダーバイアスに関する既存の研究を調査し、現在の知識のギャップを特定する。 この結果は,大規模言語モデルのアウトプットに存在する,ジェンダー付き単語関連,言語使用,偏見付き物語に光を当てた。 本稿では,アルゴリズムアプローチやデータ拡張手法など,LSMにおける性別バイアスを低減するための戦略を提案する。
  論文  参考訳（メタデータ） (2023-07-18T11:38:45Z)
• Gender Biases in Automatic Evaluation Metrics for Image Captioning [87.15170977240643]
  画像キャプションタスクのためのモデルに基づく評価指標において、性別バイアスの体系的研究を行う。 偏りのある世代と偏りのない世代を区別できないことを含む、これらの偏りのあるメトリクスを使用することによる負の結果を実証する。 人間の判断と相関を損なうことなく、測定バイアスを緩和する簡便で効果的な方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T04:27:40Z)
• Auditing Gender Presentation Differences in Text-to-Image Models [54.16959473093973]
  我々は、テキスト・ツー・イメージ・モデルにおいて、ジェンダーがどのように異なる形で提示されるかを研究する。 入力テキスト中の性指標を探索することにより、プレゼンテーション中心属性の周波数差を定量化する。 このような違いを推定する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-02-07T18:52:22Z)
• Social Biases in Automatic Evaluation Metrics for NLG [53.76118154594404]
  本稿では,単語埋め込みアソシエーションテスト(WEAT)と文埋め込みアソシエーションテスト(SEAT)に基づく評価手法を提案する。 我々は、画像キャプションやテキスト要約タスクにおける性別バイアスの影響を調査するために、性別対応メタ評価データセットを構築した。
  論文  参考訳（メタデータ） (2022-10-17T08:55:26Z)
• Gender Bias in Text: Labeled Datasets and Lexicons [0.30458514384586394]
  性別バイアスの自動検出には、性別バイアスデータセットと語彙の欠如がある。 関連文の収集,注釈付け,拡張によりラベル付きデータセットと網羅的辞書を提供する。 リリースされたデータセットとレキシコンは、Generic He、Generic She、Explicit Marking of Sex、Gendered Neologismsなど、複数のバイアスサブタイプにまたがっている。
  論文  参考訳（メタデータ） (2022-01-21T12:44:51Z)
• Multi-Dimensional Gender Bias Classification [67.65551687580552]
  機械学習モデルは、性別に偏ったテキストでトレーニングする際に、社会的に望ましくないパターンを不注意に学習することができる。 本稿では,テキスト中の性バイアスを複数の実用的・意味的な次元に沿って分解する一般的な枠組みを提案する。 このきめ細かいフレームワークを用いて、8つの大規模データセットにジェンダー情報を自動的にアノテートする。
  論文  参考訳（メタデータ） (2020-05-01T21:23:20Z)

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。