論文の概要: Investigating Multi-Cultural Value Selection Biases in LLMs

• arxiv url: http://arxiv.org/abs/2610.31199v1
• Date: Thu, 22 Oct 2026 12:46:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.377814
• Title: Investigating Multi-Cultural Value Selection Biases in LLMs
• Title（参考訳）: LLMにおけるマルチカルチャー値選択バイアスの検討
• Abstract要約: 国と言語の手がかりは、文化の交換可能なプロキシではなく、異なるシグナルとして評価されるべきである。 以上の結果から, 国語と言語は, 交換可能なプロキシではなく, 異なるシグナルとして評価されるべきであることが示唆された。
• 参考スコア（独自算出の注目度）: 54.07546203382578
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Large language models (LLMs) serve users whose cultural identities are multi-layered, yet cultural evaluations commonly reduce identity to one label. In this work, we study LLMs under simultaneous identity cues, with a country persona in the system prompt and a second identity signaled in the user turn, either by naming a country (explicit cue) or through the query language (implicit cue). We test World Values Survey (WVS) multiple-choice probing and open-ended sociopolitical generation. In multiple-choice probing, language cues shift answers about three times more than explicit cues but away from the associated country's distribution, and explicit cues do not consistently move answers toward the named country. Across 1.6 million open-ended responses, naming a country closes 30-44% of the gap to the model's own responses for that country, and explicit cues produce more differentiated value changes than language cues. Our results suggest that country and language cues should be evaluated as distinct signals rather than interchangeable proxies for culture.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、文化的アイデンティティが多層化されているが、文化的評価は一般的に1つのラベルにアイデンティティを還元する。 本研究では,システムプロンプト内の国人名とユーザターン中の第2のアイデンティティを,国名(明示的キュー)とクエリ言語(単純なキュー)のいずれかで同時識別するLLMについて検討する。 We test World Values Survey (WVS) multiple-choice probing and open-ended socialpolitical generation。 複数選択探索では、言語的手がかりは明示的な手がかりの約3倍の回答を、関連する国の分布から遠ざかっている。 160万件を超えるオープンエンドの回答は、その国のモデル自身の反応に対するギャップの30～44%を閉じ、明示的な手がかりは言語的手がかりよりもより差別化された価値変化をもたらす。 以上の結果から, 国語と言語は, 交換可能なプロキシではなく, 異なるシグナルとして評価されるべきであることが示唆された。

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)
• 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)
• LLMs and Cultural Values: the Impact of Prompt Language and Explicit Cultural Framing [0.21485350418225244]
  大規模言語モデル(LLM)は、世界中のユーザによって急速に採用され、さまざまな言語でそれらと対話している。 言語と文化のフレーミングが、異なる国の人的価値にどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2025-11-06T02:09:29Z)
• 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)
• Invisible Filters: Cultural Bias in Hiring Evaluations Using Large Language Models [2.48490797934472]
  人工知能(AI)は雇用にますます使われており、大きな言語モデル(LLM)は雇用決定に影響を与える可能性がある。 このことは、バイアス、公平性、信頼について、特にさまざまな文化的文脈において、強い関心を喚起します。 我々は,LLMが文化・アイデンティティの面から求人面接をどのように評価するかを体系的に分析する。
  論文  参考訳（メタデータ） (2025-08-21T07:45:00Z)
• CVQA: Culturally-diverse Multilingual Visual Question Answering Benchmark [68.21939124278065]
  言語と文化の豊富なセットをカバーするために設計された、文化的に多言語なビジュアル質問回答ベンチマーク。 CVQAには文化的に駆動されたイメージと、4大陸30カ国の質問が含まれ、31の言語と13のスクリプトをカバーし、合計10万の質問を提供する。 CVQA上で複数のマルチモーダル大言語モデル (MLLM) をベンチマークし、現在の最先端モデルではデータセットが困難であることを示す。
  論文  参考訳（メタデータ） (2024-06-10T01:59:00Z)
• CIVICS: Building a Dataset for Examining Culturally-Informed Values in Large Language Models [59.22460740026037]
  大規模言語モデル(LLM)の社会的・文化的変動を評価するためのデータセット「CIVICS:文化インフォームド・バリュース・インクルーシブ・コーパス・フォー・ソシエティ・インパクト」 我々は、LGBTQIの権利、社会福祉、移民、障害権利、代理など、特定の社会的に敏感なトピックに対処する、手作りの多言語プロンプトのデータセットを作成します。
  論文  参考訳（メタデータ） (2024-05-22T20:19:10Z)
• 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)

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。