論文の概要: Knowing Is Not Telling: Identity Ossification in LLM Representations of Trans-border Communities

• arxiv url: http://arxiv.org/abs/2610.12610v1
• Date: Thu, 08 Oct 2026 18:31:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.24922
• Title: Knowing Is Not Telling: Identity Ossification in LLM Representations of Trans-border Communities
• Title（参考訳）: 知らぬべきこと--国境を越えたコミュニティのLLM表現におけるアイデンティティオシフィケーション
• Abstract要約: 民族的・文化的アイデンティティは政治的境界とほとんど一致しない。 この緊張は、多くのコミュニティが州境を越えて歴史、言語、文化を共有している東南アジア本土で特に顕著である。 我々は、中国南西部と東南アジア大陸との国境に沿って、こうした国境を越えた9つの民族社会を調査する。
• 参考スコア（独自算出の注目度）: 7.90111891113375
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ethnic and cultural identities rarely align with political borders, a tension made sharper by migration and long-standing cross-border ties. Communities such as the Sami, the Rohingya, and the Kurds have long lived across more than one state. This tension is especially clear in mainland Southeast Asia, where many communities share history, language, and culture across state lines. We study nine such transborder ethnic communities along China's southwestern border with mainland Southeast Asia, looking at how large language models (LLMs) represent them. We define and study identity ossification: a pattern where LLMs turn a fluid, cross-border ethnic identity into a single, fixed nation-state identity. We introduce the Transborder Identity Ossification Diagnostic Framework (TIODF) that compares direct factual questions with open-ended narrative questions to test whether ossification comes from missing knowledge or from how models frame their answers. We test GPT-5.1 and DeepSeek-V3.2 in English and Chinese. Ossification varies substantially across models and query languages. It appears in only 10.1% of GPT-5.1's English answers, but in 62.6% of DeepSeek-V3.2's Chinese answers. Models often still tell a single-nation story even when they answer the factual question correctly. This decoupling suggests that ossification reflects narrative framing rather than simple knowledge absence, which matters for how we test cultural fairness in multilingual AI systems.
• Abstract（参考訳）: 民族的・文化的アイデンティティは政治的境界とはほとんど一致せず、移住と長期にわたる国境を越えた結びつきによって緊張が激化していた。 サミ人、ロヒンギャ人、クルド人といった人々は長い間、複数の州にまたがって暮らしてきた。 この緊張は、多くのコミュニティが州境を越えて歴史、言語、文化を共有している東南アジア本土で特に顕著である。 我々は、中国南西部と東南アジアの国境に沿った9つの超越性民族群集を調査し、大きな言語モデル(LLM)がそれらをどのように表現するかを調査した。 LLMが流動的で国境を越えた民族的アイデンティティを、単一で固定された国家的アイデンティティに変えるパターンを定義し、研究する。 直感的な事実的質問とオープンエンドな物語的質問を比較して、オシフィケーションが欠落した知識から来ているか、モデルがどのように回答をフレーム化しているかを検証する。 我々は英語と中国語でGPT-5.1とDeepSeek-V3.2をテストする。 オシフィケーションはモデルやクエリ言語によって大きく異なる。 GPT-5.1の英語回答の10.1%にしか表示されないが、DeepSeek-V3.2の中国語回答の62.6%に表示されている。 モデルはしばしば、事実の質問に正しく答えたとしても、単調なストーリーを語る。 この分離は、オシフィケーションが単純な知識の欠如よりも物語のフレーミングを反映していることを示唆している。

関連論文リスト

• Beyond Surface Cues: Disentangling Sociocultural Signals in Multilingual LLMs [28.912535376913436]
  この研究は、英語、フランス語、中国語の12の多言語LLMから89,253のアウトプットを分析した。 ダイレクト・アイデンティティ・キューの削除は、英語と中国語でのアイデンティティ・ラベルの予測を減少させるが、フランス語でははるかに小さな効果を持つ。 ソース言語を識別する能力は、翻訳後およびマスキング後に大幅に低下する。
  論文  参考訳（メタデータ） (2026-08-24T09:32:16Z)
• Can Conversational AI loosen Us-Versus-Them Boundaries? The Effects of Common, Dual, and Separate Identity Framings on Pro-Immigrant Intergroup Helping [0.0]
  この実験では、会話型AIがラテン系移民の多数派分類や関連性を変えることができるかどうかを検証した。 その結果、短時間のAI会話は、認知的再分類と行動のギャップを浮き彫りにしながら、対人関係の境界を緩める可能性があることがわかった。
  論文  参考訳（メタデータ） (2026-07-22T17:19:31Z)
• Pluralis v0.1: Towards a Multicultural, Multimodal, Multilingual Benchmark for AI Risk and Reliability [46.80780735011334]
  現在のAIの安全性評価とベンチマークフレームワークは、重要な地域法、社会言語的ニュアンス、文化タブーを隠蔽する西洋中心の文化非依存のデフォルトに依存している。 Pluralis v0.1は、文化第一の観点から構築された、新しいマルチモーダル、マルチリージョン、マルチ言語データセットである。
  論文  参考訳（メタデータ） (2026-07-07T12:21:52Z)
• Do LLMs Capture Embodied Cognition and Cultural Variation? Cross-Linguistic Evidence from Demonstratives [9.704536811806728]
  本稿では,英語の「this/that」や中国語の「zh/n」のような基本空間表現を,基礎知識の新たな探究として紹介する。 320人の母語話者からの6,400の応答を用いて,人間のベースラインを確立した。
  論文  参考訳（メタデータ） (2026-04-28T09:30:12Z)
• Do You Know About My Nation? Investigating Multilingual Language Models' Cultural Literacy Through Factual Knowledge [68.6805229085352]
  ほとんどの多言語質問答えベンチマークは、取得した情報の地域的多様性を規定していない。 XNationQAには、9カ国の地理、文化、歴史に関する合計49,280の質問が7つの言語で提示されている。 我々はXNationQA上で8つの標準多言語LLMをベンチマークし、2つの新しい転送指標を用いて評価した。
  論文  参考訳（メタデータ） (2025-11-01T18:41:34Z)
• MMA-ASIA: A Multilingual and Multimodal Alignment Framework for Culturally-Grounded Evaluation [91.22008265721952]
  MMA-ASIAは、アジア8か国と10か国を対象とする人為的、多言語的、マルチモーダルなベンチマークに重点を置いている。 これは、テキスト、画像(視覚的質問応答)、音声の3つのモードにまたがる入力レベルで整列された最初のデータセットである。 i) 国間の文化的認識格差、(ii) 言語間の整合性、(iii) 言語間の整合性、(iv) 文化知識の一般化、(v) 基礎的妥当性を評価する5次元評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2025-10-07T14:12:12Z)
• Analyzing LLMs' Knowledge Boundary Cognition Across Languages Through the Lens of Internal Representations [72.62400923539234]
  本研究は,LLMが言語間の知識境界をどのように認識するかを解析するための最初の研究である。 1) LLM の知識境界に対する認識は, 言語間の中間層と中間層にコード化されている。
  論文  参考訳（メタデータ） (2025-04-18T17:44:12Z)
• Analyzing Cultural Representations of Emotions in LLMs through Mixed Emotion Survey [2.9213203896291766]
  本研究では,大規模言語モデル(LLM)における感情の文化的表現の分析に焦点をあてる。 本手法は,日本人とアメリカ人の反応に特徴的な感情指標を同定した宮本らの研究に基づいている。 モデルが文献の証拠と限定的に一致していることがわかりました。
  論文  参考訳（メタデータ） (2024-08-04T20:56:05Z)
• This Land is {Your, My} Land: Evaluating Geopolitical Biases in Language Models [40.61046400448044]
  大規模言語モデル (LLM) では, 異なる言語を問うと, 地理的知識が不整合に記憶されることが示されている。 対象とするケーススタディとして、本質的に議論の的かつ多言語的な課題である領土紛争を考察する。 本稿では,様々な言語における応答のバイアスと一貫性を正確に定量化するための評価指標を提案する。
  論文  参考訳（メタデータ） (2023-05-24T01:16:17Z)
• GeoMLAMA: Geo-Diverse Commonsense Probing on Multilingual Pre-Trained Language Models [68.50584946761813]
  我々は多言語言語モデル(mPLM)に基づく地理多言語共通感覚探索のためのフレームワークを提案する。 我々は、GeoMLAMAデータセット上のmBERT、XLM、mT5、XGLMの変種を含む11の標準mPLMをベンチマークする。 1)大きなmPLMの変種は、必ずしもその小さな変種よりもジオ・ディバースの概念を保存していないこと,2)mPLMは西欧の知識に固有の偏りがないこと,3)母国よりも母国に関する知識を調査する方がよいこと,などが分かる。
  論文  参考訳（メタデータ） (2022-05-24T17:54:50Z)

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。