論文の概要: From a River in Gilead to the Inference Distributions of Large Language Models: Covert Dialect Bias and Linguistic Profiling at Scale

• arxiv url: http://arxiv.org/abs/2609.18068v1
• Date: Wed, 16 Sep 2026 03:13:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.620851
• Title: From a River in Gilead to the Inference Distributions of Large Language Models: Covert Dialect Bias and Linguistic Profiling at Scale
• Title（参考訳）: ギリアドの川から大規模言語モデルの推論分布:大規模辞書バイアスと言語プロファイリング
• Abstract要約: 標準アメリカ人英語(SAE)、アフリカ系アメリカ人言語英語(AAVE)、ナイジェリア標準英語(NSE)、ナイジェリア・ピジン(NP)の4種にわたる住宅関連社会判断における隠れ方言バイアスについて検討した。 AAVEは、前回の包括的バイアス評価で研究された人種化方言を反映しているが、NSEとNPは、この文献から欠落した黒アフリカを表現している。 以上の結果から, LLMは人種的アイデンティティと名声の両面において, 隠れ方言の偏見を継承し, 人的居住差別を反映し, ポストコロニアル・イングリッシュの品種にまたがってその広がりを示すことが明らかとなった。
• 参考スコア（独自算出の注目度）: 5.393846066899214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are increasingly deployed in high-stakes domains such as housing screening. While alignment techniques mitigate explicit racial bias in generated text, they often leave covert attitudinal associations in internal probability distributions untouched. Adapting the matched-guise sociolinguistic paradigm, we examine covert dialect bias in housing-related social judgments across four varieties: Standard American English (SAE), African American Vernacular English (AAVE), Nigerian Standard English (NSE), and Nigerian Pidgin (NP). AAVE reflects the racialized dialect studied in prior covert-bias evaluations, whereas NSE and NP represent Black African, postcolonial varieties absent from this literature. Using 260 meaning-matched sentence quadruples and log-probability scoring over housing-relevant adjectives, we probe ten open-weight LLMs across three contexts varying in social proximity: tenant screening, neighbor acceptance, and roommate selection. Across all ten models, AAVE and NP are consistently associated with more negative adjectives than SAE, with NP penalized most severely. Crucially, each dialect is penalized via distinct stereotype clusters rather than a generic non-standard category. NSE, which carries institutional prestige, displays a context-dependent shift: favored over SAE in formal tenant screening but increasingly penalized as social proximity grows. Our findings reveal that LLMs inherit covert dialect bias along both racial identity and prestige dimensions, echoing documented human housing discrimination and demonstrating its reach across postcolonial English varieties.
• Abstract（参考訳）: 大規模言語モデル (LLMs) は、住宅検定などの高度な領域にますます展開されている。 アライメント技術は、生成されたテキストにおける明示的な人種的偏見を緩和するが、彼らはしばしば、内部確率分布に隠れた位置関係を残す。 その結果, 標準アメリカ英語 (SAE) , アフリカ・アメリカン・バーナクラ英語 (AAVE) , ナイジェリア標準英語 (NSE) , ナイジェリア・ピジン (NP) の4種類にまたがる居住関連社会判断における隠れ方言バイアスについて検討した。 AAVEは、前回の包括的バイアス評価で研究された人種化方言を反映しているが、NSEとNPは、この文献から欠落した黒アフリカを表現している。 260個の意味マッチングされた文の四重項と対数確率を住宅関連形容詞に当てはめ、社会的近接性の異なる3つの文脈(テナントスクリーニング、近隣受理、ルームメイト選択)で10個のオープンウェイトLLMを探索した。 全10モデルにおいて、AAVEとNPはSAEよりも負の形容詞に一貫して関連しており、NPは最も厳しく罰せられている。 決定的に、各方言は、一般的な非標準圏ではなく、異なるステレオタイプクラスタによってペナル化される。 機関的な名声を持つNSEは、公式なテナントスクリーニングにおいてSAEよりも好まれるが、社会的近接が増加するにつれて罰せられる傾向にある。 以上の結果から, LLMは人種的アイデンティティと名声の両面において, 隠蔽方言の偏見を継承し, 人的居住差別を反映し, ポストコロニアル・イングリッシュの品種にまたがってその広がりを示すことが明らかとなった。

関連論文リスト

• Side-by-side Comparison Amplifies Dialect Bias in Language Models [13.147713730335775]
  言語モデル(LM)は、方言のバリエーションに基づいたバイアスを示すことができる。 我々は、LMが定型的特徴と意図等価なつぶやきをどう関連づけるかを評価することで、隠れ方言バイアスを定量化する。
  論文  参考訳（メタデータ） (2026-05-23T03:51:44Z)
• Reinforcing Stereotypes of Anger: Emotion AI on African American Vernacular English [46.47177439553625]
  本研究は、一般アメリカ英語(GAE)と比較して、アフリカ系アメリカ人言語英語(AAVE)における感情認識モデルの性能について検討する。 ロサンゼルスでは270万のツイートがジオタグ付けされている。 アフリカ系アメリカ人の住民の割合が高い地区は怒りの予測が大きくなることが観察された。
  論文  参考訳（メタデータ） (2025-11-13T23:13:08Z)
• Assessing Dialect Fairness and Robustness of Large Language Models in Reasoning Tasks [68.33068005789116]
  本稿では、標準英語とAAVEで1.2K以上の並列クエリペアを含むベンチマークであるReDialを紹介する。 我々は、GPT、Claude、Llama、Mistral、Phiモデルファミリーなど、広く使われているモデルを評価した。 我々の研究は、方言クエリにおけるLLMバイアスを分析するための体系的で客観的な枠組みを確立する。
  論文  参考訳（メタデータ） (2024-10-14T18:44:23Z)
• Towards Better Inclusivity: A Diverse Tweet Corpus of English Varieties [0.0]
  私たちは、その根本にあるバイアス(データそのもの)の問題に対処することを目指しています。 英語の多言語話者の割合が低い国からのツイートのデータセットをキュレートする。 ベストプラクティスに従って、我々の成長するコーパスには7カ国から170,800のツイートが写っている。
  論文  参考訳（メタデータ） (2024-01-21T13:18:20Z)
• What Do Llamas Really Think? Revealing Preference Biases in Language Model Representations [62.91799637259657]
  大規模言語モデル(LLMs)は、応答を辞退しても、社会的な偏見を示すか? 本研究は,文脈的埋め込みを探索し,このバイアスが潜在表現にエンコードされているかどうかを探索することによって検討する。 単語の隠れベクトルからLLMの単語ペア選好を予測するロジスティックなBradley-Terryプローブを提案する。
  論文  参考訳（メタデータ） (2023-11-30T18:53:13Z)
• Task-Agnostic Low-Rank Adapters for Unseen English Dialects [52.88554155235167]
  LLM(Large Language Models)は、標準アメリカ英語を好んで不均等に重み付けされたコーパスで訓練される。 HyperLoRAは、方言特化情報と方言横断情報を混同することにより、タスクに依存しない方法で未確認の方言への一般化を改善する。
  論文  参考訳（メタデータ） (2023-11-02T01:17:29Z)
• Disambiguation of morpho-syntactic features of African American English -- the case of habitual be [1.4699455652461728]
  習慣的「be」は同型であり、したがってあいまいであり、他の形の「be」はAAEや他の英語の変種にも見られる。 我々はルールベースのフィルタとデータ拡張の組み合わせを用いて、習慣インスタンスと非生活インスタンスのバランスの取れたコーパスを生成する。
  論文  参考訳（メタデータ） (2022-04-26T16:30:22Z)
• VALUE: Understanding Dialect Disparity in NLU [50.35526025326337]
  アフリカ・アメリカン・バーナクラ・イングリッシュ(AAVE)の11つの特徴に関するルールを構築した。 言語的アクセプタビリティ判断により,各特徴変換の検証を行うために,流線型AAVE話者を募集する。 実験により、これらの新しい方言の特徴がモデル性能の低下につながることが示された。
  論文  参考訳（メタデータ） (2022-04-06T18:30:56Z)
• It's Morphin' Time! Combating Linguistic Discrimination with Inflectional Perturbations [68.16751625956243]
  完全な標準英語コーパスのみが、非標準言語的背景から少数民族を区別するためにニューラルネットワークを前提としている。 我々は、単語の屈折形態を乱して、可塑性で意味論的に類似した逆の例を作る。
  論文  参考訳（メタデータ） (2020-05-09T04:01:43Z)

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。