論文の概要: RupeeBias: Auditing Demographic Bias in Indian Economic Guidance from Large Language Models

• arxiv url: http://arxiv.org/abs/2609.31245v2
• Date: Mon, 28 Sep 2026 10:23:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 07:18:05.978321
• Title: RupeeBias: Auditing Demographic Bias in Indian Economic Guidance from Large Language Models
• Title（参考訳）: ルピーバイアス:大規模言語モデルによるインド経済指導におけるデモグラフィックバイアスの検証
• Abstract要約: ルピーバイアス(英: RupeeBias)は、インドの経済状況における経済指導における人口統計バイアスの評価指標である。 ルーピーバイアスは、カースト、宗教、地域アイデンティティ、ジェンダー、障害、都市農村の6つの軸にまたがる87のインド固有の人口統計識別子をカバーしている。 人口識別子でのみ異なる同一のプロンプトの場合、ルピーバイアスが生成する経済生産量は平均20.2%異なる。
• 参考スコア（独自算出の注目度）: 0.2698200916728782
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Individuals turn to large language models (LLMs) for guidance across a wide range of economic tasks, from comparing loan options and planning savings to deciding what raise to ask for or how much to charge for their services. LLMs are known to reproduce social biases, and biased economic guidance may influence what users believe they are worth, what they ask for, and what they ultimately accept. This risk is especially salient in India, where economic outcomes are shaped by demographic categories such as caste and urban-rural location. Existing LLM bias benchmarks, however, are largely designed around Western demographic categories and therefore miss key axes of economic disparity in the Indian context. We introduce RupeeBias, a benchmark for auditing demographic bias in LLM-generated economic guidance across Indian economic settings. RupeeBias consists of 39,150 prompts spanning four use cases: salary estimation, salary increment estimation, counter-offer recommendation, and service pricing recommendation. The benchmark follows a single-attribute counterfactual design, holding the description of the user's qualifications, experience, or service offering fixed while varying one demographic identifier at a time. RupeeBias covers 87 India-specific demographic identifiers across six axes: caste, religion, regional identity, gender, disability, and urban-rural location, with all prompts constructed in both English and Hinglish. We evaluate nine LLMs on RupeeBias and find systematic demographic disparities across all six axes. For otherwise identical prompts that differ only in demographic identifier, LLM-generated economic outputs differ by 20.2% on average. We publicly release RupeeBias to support future research on demographic bias in LLM-generated economic guidance across India-specific demographic and economic contexts.
• Abstract（参考訳）: 個人は大規模な言語モデル(LLM)に目を向けて、ローンオプションの比較や貯蓄計画から、サービスに対して何を求めるか、どれくらいの料金を請求するかを決めるまで、幅広い経済課題を指導する。 LLMは社会的偏見を再現することが知られており、偏見のある経済指導は、ユーザが価値を信じるもの、要求するもの、最終的に受け入れられるものに影響を与える可能性がある。 このリスクは、特にインドでは顕著であり、経済的な成果は、カストや都市・農村といった人口圏によって形成されている。 しかし、既存のLLMバイアスベンチマークは、主に西洋の人口統計カテゴリーを中心に設計されているため、インドの文脈における経済格差の鍵を欠いている。 インドにおけるLLM生成経済指導における人口統計バイアスの指標であるRupeeBiasを紹介した。 RupeeBiasは39,150のプロンプトで構成されており、給与見積、給与増額見積、カウンターオフ・レコメンデーション、サービス価格のレコメンデーションの4つのユースケースにまたがっている。 このベンチマークは、ユーザの資格、経験、サービス提供に関する記述を保持しながら、一度に1つの人口統計識別子を変更しながら修正された、単一属性の対実的設計に従っている。 ルーピーバイアスは、カスト、宗教、地域アイデンティティ、ジェンダー、障害、都市部といった6つの軸にまたがる87のインド固有の人口統計識別子をカバーしており、すべてのプロンプトは英語とヒングリッシュの両方で構築されている。 我々は、RupeeBias上で9つのLSMを評価し、6軸すべてに系統的な人口格差を見出した。 人口識別子でのみ異なる同一のプロンプトの場合、LLMが生成する経済的なアウトプットは平均20.2%異なる。 我々は、インド固有の人口統計学および経済状況におけるLCM生成経済ガイダンスにおける人口統計バイアスに関する将来の研究を支援するために、RupeeBiasを公開している。

関連論文リスト

• Sociodemographic Biases in Educational Counselling by Large Language Models [61.30199414932204]
  本研究では,Large Language Models(LLMs)における社会デマトグラフィーバイアスについて検討する。 多様な状況下で生徒を記述した900のヴィグネットに関する質問に答える6つのLDMからの回答を評価した。
  論文  参考訳（メタデータ） (2026-04-03T14:08:22Z)
• FairI Tales: Evaluation of Fairness in Indian Contexts with a Focus on Bias and Stereotypes [23.71105683137539]
  フェアネスに関する既存の研究は、主に西洋に焦点を絞っており、インドのような文化的に多様な国では不十分である。 インドを中心とした総合的なベンチマークであるINDIC-BIASを導入し,85の社会アイデンティティグループを対象としたLCMの公平性を評価する。
  論文  参考訳（メタデータ） (2025-06-29T06:31:06Z)
• Characterizing Bias: Benchmarking Large Language Models in Simplified versus Traditional Chinese [52.98034458924209]
  本研究では,大言語モデルが中国語の2つの変種に刺激された場合の差分性能について検討する。 実世界のシナリオを反映した2つのベンチマークタスクを設計する。 分析の結果、LLM応答のバイアスはタスクとプロンプト言語の両方に依存していることがわかった。
  論文  参考訳（メタデータ） (2025-05-28T17:56:49Z)
• Unequal Opportunities: Examining the Bias in Geographical Recommendations by Large Language Models [11.585115320816257]
  本研究では,米国の都市・都市におけるLarge Language Models(LLMs)勧告におけるバイアスについて検討した。 我々は, LLMs応答の一貫性と, 過度に表現されたり, あるいは過度に表現されたりする傾向に注目した。 以上の結果から,従来の経済格差を拡大するリッチ・ゲット・リッチ・エフェクトが持続する可能性が示唆された。
  論文  参考訳（メタデータ） (2025-03-16T18:59:00Z)
• Large Language Models Reflect the Ideology of their Creators [71.65505524599888]
  大規模言語モデル(LLM)は、自然言語を生成するために大量のデータに基づいて訓練される。 本稿では, LLMのイデオロギー的姿勢が創造者の世界観を反映していることを示す。
  論文  参考訳（メタデータ） (2024-10-24T04:02:30Z)
• VLBiasBench: A Comprehensive Benchmark for Evaluating Bias in Large Vision-Language Model [72.13121434085116]
  我々は、LVLM(Large Vision-Language Models)におけるバイアスを評価するベンチマークであるVLBiasBenchを紹介する。 VLBiasBenchは、年齢、障害ステータス、性別、国籍、身体的外観、人種、宗教、職業、社会経済ステータスを含む9つの異なる社会バイアスのカテゴリを含むデータセットと、人種x性別と人種x社会経済ステータスの2つの交叉バイアスのカテゴリを含む。 15のオープンソースモデルと2つの高度なクローズドソースモデルに対して広範な評価を行い、これらのモデルに存在するバイアスに関する新たな洞察を得る。
  論文  参考訳（メタデータ） (2024-06-20T10:56:59Z)
• Understanding Intrinsic Socioeconomic Biases in Large Language Models [4.276697874428501]
  本稿では,社会経済的バイアスを定量化するために,100万の英語文からなる新しいデータセットを提案する。 以上の結果から,GPT-2のような確立されたモデルと,Llama 2やFalconのような最先端のモデルの両方において,社会経済的バイアスが広範にあることが明らかとなった。
  論文  参考訳（メタデータ） (2024-05-28T23:54:44Z)
• Large Language Models are Geographically Biased [47.88767211956144]
  我々は、地理のレンズを通して、我々の住む世界について、Large Language Models (LLM)が何を知っているかを研究する。 我々は,地理空間予測において,システム的誤りと定義する,様々な問題的地理的バイアスを示す。
  論文  参考訳（メタデータ） (2024-02-05T02:32:09Z)
• When Dialects Collide: How Socioeconomic Mixing Affects Language Use [0.4249842620609683]
  より異なる社会経済階級が混在するほど、標準文法からの離脱頻度と収入の相互依存度は低下する。 本稿では,データに見られる観察結果を生成するメカニズムに光を当てる,言語多様性導入のエージェントベースモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-19T14:55:50Z)
• Towards Controllable Biases in Language Generation [87.89632038677912]
  本研究では、特定の人口集団の言及を含む入力プロンプトによって生成されたテキストの社会的バイアスを誘導する手法を開発した。 1 つの人口統計学において負のバイアスを誘発し、もう1 つの人口統計学において正のバイアスを誘導し、2 つのシナリオを分析する。
  論文  参考訳（メタデータ） (2020-05-01T08:25:11Z)

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。