論文の概要: Framing the Narrative: Ideological Mimicry in Large Language Models

• arxiv url: http://arxiv.org/abs/2609.38256v2
• Date: Fri, 02 Oct 2026 16:43:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:29.953756
• Title: Framing the Narrative: Ideological Mimicry in Large Language Models
• Title（参考訳）: 物語の断片化:大規模言語モデルにおけるイデオロギー的ミス
• Abstract要約: 我々は、米国、英国、オーストラリアの10の論争的な政治トピックにわたる大きな言語モデル(LLM)を評価する。 項のみを変えることは、モデルがどの問題をサポートするかが一致した比較の16.9%で逆になる。 政治的スタンスは LLM の固定的な性質ではないことを示す。
• 参考スコア（独自算出の注目度）: 4.9855719045505325
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly used to answer questions about politically contentious issues, yet evaluations typically treat a model's stance as a relatively stable property. Real users, however, communicate political signals through their terminology, assumptions, and personal context. We investigate whether such signals produce ideological mimicry: systematic shifts in the political stance expressed by an LLM toward the position conveyed by the interaction. If LLMs adapt their responses to these signals, they risk creating personalised political information environments in which users with opposing views receive systematically different accounts of the same issue, potentially reinforcing existing divisions. We build the Poli-SHIFT dataset and evaluation framework and assess seven open-weight LLMs across ten contentious political topics in the United States, United Kingdom, and Australia, systematically manipulating contested terminology, politically valenced premises, and user information, and eliciting responses in both multiple-choice and open-text formats. Across models, we find robust evidence that prompt framing shapes the political stance of LLM outputs. Changing terminology alone reverses which side of an issue a model supports in 16.9% of matched comparisons. Stated political ideology also systematically shifts responses toward the user's position. These findings show that political stance is not a fixed property of LLMs; the views expressed are conditional on the interaction with the user. As LLMs become increasingly personalised sources of information, such interaction-dependent adaptation could contribute to political information environments that reinforce users' existing perspectives.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、政治的に論争的な問題に対する疑問に答えるために使われることが多いが、評価は通常、モデルのスタンスを比較的安定した性質として扱う。 しかし、実際のユーザーは、その用語、仮定、個人的文脈を通じて政治的信号を伝える。 これらの信号がイデオロギー的模倣をもたらすかどうかを考察する。 LLMがこれらの信号に応答するならば、反対意見を持つユーザーが同じ問題を体系的に異なるアカウントで受け取り、既存の部門を補強するパーソナライズされた政治情報環境を作成するリスクがある。 我々はPoli-SHIFTデータセットと評価フレームワークを構築し、米国、英国、オーストラリアで論争を巻き起こす10の政治トピックにわたる7つのオープンウェイトLCMを評価し、競合する用語、政治的に有意義な前提、およびユーザ情報を体系的に操作し、複数選択とオープンテキストフォーマットの両方で応答を引き出す。 モデル全体では、フレーミングがLCM出力の政治的スタンスを形作るという確固たる証拠が見つかる。 項のみを変えることは、モデルがどの問題をサポートするかが一致した比較の16.9%で逆になる。 政治的イデオロギーは、ユーザーの立場に反応を体系的にシフトさせる。 これらの結果から,政治的スタンスはLCMの固定特性ではないことが示唆された。 LLMがますますパーソナライズされた情報ソースになるにつれて、そのようなインタラクションに依存した適応は、ユーザの既存の視点を強化する政治的情報環境に寄与する可能性がある。

関連論文リスト

• Who Would You Vote For? Auditing Political Alignment in LLMs: An Italian Case-Study [0.0]
  我々は,大規模言語モデルが政党や政治指導者に対する嗜好をどう表現するかについて検討する。 モデルの「真の」政治的信念を推測しようとするのではなく、観察可能な行動に焦点をあてる。
  論文  参考訳（メタデータ） (2026-08-12T04:47:06Z)
• Beyond Partisan Leaning: A Comparative Analysis of Political Bias in Large Language Models [6.549047699071195]
  本研究では、大規模言語モデルにおける政治的行動を評価するために、ペルソナフリーでトピック固有のアプローチを採用する。 米国、ヨーロッパ、中国、中東で開発された43の大規模言語モデルからの反応を分析した。 発見は、ほとんどのモデルが中心左あるいは左イデオロギー的にリーンであり、非党派的エンゲージメントパターンが異なることを示している。
  論文  参考訳（メタデータ） (2024-12-21T19:42:40Z)
• Political-LLM: Large Language Models in Political Science [159.95299889946637]
  大規模言語モデル(LLM)は、政治科学のタスクで広く採用されている。 政治LLMは、LLMを計算政治科学に統合する包括的な理解を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-12-09T08:47:50Z)
• 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)
• Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
  大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。 我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。 この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-15T04:02:24Z)
• Political Compass or Spinning Arrow? Towards More Meaningful Evaluations for Values and Opinions in Large Language Models [61.45529177682614]
  我々は,大規模言語モデルにおける価値と意見の制約評価パラダイムに挑戦する。 強制されない場合、モデルが実質的に異なる答えを与えることを示す。 我々はこれらの知見をLLMの価値と意見を評価するための推奨とオープンな課題に抽出する。
  論文  参考訳（メタデータ） (2024-02-26T18:00:49Z)
• Inducing Political Bias Allows Language Models Anticipate Partisan Reactions to Controversies [5.958974943807783]
  本研究では,Large Language Models (LLMs) を用いたデジタル談話における政治的偏見の理解の課題に対処する。 本稿では,Partisan Bias Divergence AssessmentとPartisan Class Tendency Predictionからなる包括的分析フレームワークを提案する。 以上の結果から,感情的・道徳的ニュアンスを捉えたモデルの有効性が明らかとなった。
  論文  参考訳（メタデータ） (2023-11-16T08:57:53Z)
• 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)

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。