論文の概要: Who Receives Respect? A Counterfactual Benchmark for Honorific Allocation Bias in Bengali

• arxiv url: http://arxiv.org/abs/2610.14769v1
• Date: Sat, 10 Oct 2026 09:46:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 11:48:29.47804
• Title: Who Receives Respect? A Counterfactual Benchmark for Honorific Allocation Bias in Bengali
• Title（参考訳）: ベンガルにおける名誉転位バイアスの正当性ベンチマーク
• Abstract要約: 我々はこの特性を用いて、ベンガル語翻訳における大規模言語モデル(LLM)の敬意の配分を計測する。 評価セットは72の職業にまたがる2,016の文章を含む。 我々は,0-100スケールのモデル毎に1つのHBS(Honorific Bias Score)を報告する。
• 参考スコア（独自算出の注目度）: 2.4482532609799543
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Bengali has no grammatical gender, but honorificity is obligatory: every third-person reference must choose ordinary or respectful register. English has no such signal, so the system must choose a level of deference that the source never specified. We use this property to measure how large language models (LLMs) allocate respect in English--Bengali translation. Our evaluation set contains 2{,}016 sentences across 72 occupations. Each appears in seven sentence frames under four pronoun conditions. Masculine and feminine versions differ by one word, forming counterfactual pairs. We report a single Honorific Bias Score (HBS) for each model on a 0--100 scale, covering both the gender and occupation axes. A lower score means that respect is allocated more evenly. For the occupation analysis, we compute each occupation's honorific rate across the seven no-pronoun sentence frames. The standard deviation of these 72 occupation-level rates ranges from 17.2 to 35.5 percentage points across models, showing substantial variation in how honorifics are allocated across occupations. Occupation is associated with 3.2\% to 51.5\% of the variance in register choice, compared with at most 1.2\% for gender. Gender effects are much smaller overall: only two of the nine models show significant directional gender gaps, and they favor opposite genders. HBS ranges from 19.9 to 70.1 across the nine models, showing substantial variation in how evenly the models allocate respect.
• Abstract（参考訳）: ベンガル語には文法上の性別はないが、名誉性は義務的である。 英語にはそのような信号がないため、システムはソースが指定しなかった参照レベルを選択する必要がある。 我々は,英語・ベンガル語翻訳における大規模言語モデル(LLM)が,72の職業にまたがる2{,}016の文を含むことを評価するために,この特性を利用する。評価セットは,4つの代名詞条件の下で7つの文フレームにそれぞれ現れる。男性版と女性版は,それぞれ1語ずつ異なる。男性版と女性版は,逆ファクトアルペアを形成する。我々は0-100の尺度で,各モデルに対して1つのHBS(Honorific Bias Score)を報告する。 低いスコアは、敬意がより均等に割り当てられることを意味する。 職業分析では、7つの非名詞の文フレームでそれぞれの職業の名誉率を計算する。 これらの72人の職業水準の標準偏差はモデル全体で17.2から35.5ポイントであり、職業間での名誉の配分の仕方に大きな変化が見られる。 職業はレジスタ選択のばらつきの3.2\%から51.5\%に関連付けられ、性別は1.2\%である。 9つのモデルのうち2つだけが大きな指向性差を示し、それらは反対性を好む。 HBSは9つのモデルにまたがって19.9から70.1までの範囲があり、モデルが同等に敬意を割り当てているかを示す。

関連論文リスト

• Newer Is Not Fairer: Gender Stereotyping in Text-to-Image AI Across Model Generations [0.6875312133832079]
  テキストから画像への生成モデルが、複数の世代にわたる職業間の性別をどう表現するかは、いまだに理解されていない。 我々は,20の職業,5つのプロンプトテンプレート,4つの安定拡散モデル世代におけるジェンダー表現を評価した。 労働統計局の労働統計データと比較すると、女性は平均20-46pp以下である。
  論文  参考訳（メタデータ） (2026-09-16T01:54:12Z)
• Evaluating Gender Bias in Large Language Models [0.8636148452563583]
  本研究では,大規模言語モデル (LLMs) が職業文脈における代名詞選択における性別バイアスの程度について検討した。 対象とする職業は、男性に有意な存在感を持つものから女性に有意な集中力を持つものまで幅広い。 その結果, モデルの代名詞選択と, 労働力データに存在する性別分布との間には, 正の相関関係が認められた。
  論文  参考訳（メタデータ） (2024-11-14T22:23:13Z)
• Beyond Binary Gender: Evaluating Gender-Inclusive Machine Translation with Ambiguous Attitude Words [85.48043537327258]
  既存の機械翻訳の性別バイアス評価は主に男性と女性の性別に焦点を当てている。 本研究では,AmbGIMT (Gender-Inclusive Machine Translation with Ambiguous attitude words) のベンチマークを示す。 本研究では,感情的態度スコア(EAS)に基づく性別バイアス評価手法を提案する。
  論文  参考訳（メタデータ） (2024-07-23T08:13:51Z)
• GenderBias-\emph{VL}: Benchmarking Gender Bias in Vision Language Models via Counterfactual Probing [72.0343083866144]
  本稿では,GenderBias-emphVLベンチマークを用いて,大規模視覚言語モデルにおける職業関連性バイアスの評価を行う。 ベンチマークを用いて15のオープンソースLVLMと最先端の商用APIを広範囲に評価した。 既存のLVLMでは男女差が広くみられた。
  論文  参考訳（メタデータ） (2024-06-30T05:55:15Z)
• VisoGender: A dataset for benchmarking gender bias in image-text pronoun resolution [80.57383975987676]
  VisoGenderは、視覚言語モデルで性別バイアスをベンチマークするための新しいデータセットである。 We focus to occupation-related biases in a hegemonic system of binary gender, inspired by Winograd and Winogender schemas。 我々は、最先端の視覚言語モデルをいくつかベンチマークし、それらが複雑な場面における二項性解消のバイアスを示すことを発見した。
  論文  参考訳（メタデータ） (2023-06-21T17:59:51Z)
• How to Measure Gender Bias in Machine Translation: Optimal Translators, Multiple Reference Points [0.0]
  我々は、ジェンダーニュートラルな代名詞を持つ言語であるハンガリー語から、職業名を含む文を英語に翻訳する。 本研究の目的は, 翻訳を最適な非バイアス翻訳者と比較することにより, バイアスの公平な尺度を提示することであった。 その結果、両性に偏りが認められたが、女性に偏った結果の方がはるかに多いことが判明した。
  論文  参考訳（メタデータ） (2020-11-12T15:39:22Z)
• 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。