論文の概要: Gender Associations in LLM-Mediated ADHD Self-Diagnosis

• arxiv url: http://arxiv.org/abs/2610.33697v1
• Date: Sat, 24 Oct 2026 14:24:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.423696
• Title: Gender Associations in LLM-Mediated ADHD Self-Diagnosis
• Title（参考訳）: LLMを介するADHD自己診断における性関係
• Abstract要約: GPT-4oがADHDアソシエーションに応答するかどうかを評価するために、コンテキストアソシエーションテスト(CAT)を適用した。 明示的なキューは一定のADHDサブタイプアソシエーションを一貫して増幅する一方で、暗黙的なキューはプロキシアライメントに近い分布を生成することを示す。
• 参考スコア（独自算出の注目度）: 0.17188280334580197
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are increasingly used for medical self-diagnosis. However, the way demographic cues shape outputs in these interactions remains poorly understood. This is particularly consequential for diagnoses like ADHD, where persistent gender disparities are not fully aligned with the clinical evidence. We adapt the Context Association Test (CAT) to evaluate whether GPT-4o responds to gendered ADHD associations in a zero-shot, self-diagnostic setting. We show that explicit cueing consistently amplifies certain ADHD subtype associations while implicit cueing produces near proxy-aligned distributions. These divergences suggest that explicit demographic cues may activate bias-mitigation mechanisms that over-correct rather than eliminate bias, whereas implicit cues appear to reflect the model's default behavior. Our results demonstrate that evaluating gendered bias in LLM-mediated self-diagnosis requires careful attention to the demographic associations a model encodes.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、医学的自己診断にますます用いられる。 しかし、これらの相互作用における形状の出力の仕方については、いまだに理解されていない。 これはADHDのような、持続的な性差が臨床証拠と完全に一致していない診断に特に当てはまる。 文脈アソシエーションテスト (CAT) を用いて, GPT-4o が性差ADHDアソシエーションに応答するかどうかを, ゼロショット, 自己診断で評価する。 明示的なキューはADHDサブタイプアソシエーションを一貫して増幅する一方、暗黙的なキューはプロキシアライメントに近い分布を生成することを示す。 これらの違いは、明示的な人口統計学的手がかりがバイアスを排除せず過度に修正されるバイアス緩和メカニズムを活性化する可能性があることを示唆し、一方暗黙的な手がかりはモデルのデフォルトの振る舞いを反映しているように見える。 以上の結果から, LLMによる自己診断における性別バイアスの評価には, モデルエンコードによる人口動態の関連性に注意が必要であることが示唆された。

関連論文リスト

• Demographic Probing of Large Language Models Lacks Construct Validity [16.29607362682272]
  大規模言語モデルが人口統計特性にどのように適応するかを考察する。 このアプローチは通常、グループメンバーシップのシグナルとして、分離された単一の人口統計学的キューを使用する。 その結果、同じ人口集団を表現するための手がかりは、モデル行動に部分的に重なる変化しか生じないことがわかった。
  論文  参考訳（メタデータ） (2026-01-26T13:41:35Z)
• Person-Centric Annotations of LAION-400M: Auditing Bias and Its Transfer to Models [81.45743826739054]
  大きな障壁は、LAION-400MのようなWebスケールデータセットにおける人口統計アノテーションの欠如である。 2億7600万以上のバウンディングボックスや、性別や人種/民族ラベルの認識、キャプションの自動生成など、完全なデータセットのための人中心アノテーションを作成します。 それらを用いて、黒人や中東と見なされる男性や個人と犯罪に関連する負のコンテンツとの不均等な結びつきなど、人口不均衡や有害な関連を明らかにする。
  論文  参考訳（メタデータ） (2025-10-04T07:51:59Z)
• Who's Asking? Investigating Bias Through the Lens of Disability Framed Queries in LLMs [2.722784054643991]
  大規模言語モデル(LLM)は、ユーザの人口統計特性を、単独で推測する。 これらの推論を形作る際の障害の手がかりは、ほとんど未発見のままである。 そこで本研究では,障害条件による人口統計バイアスを,最先端の8つのLLMに対して,初めて体系的に評価した。
  論文  参考訳（メタデータ） (2025-08-18T21:03:09Z)
• Fair Deepfake Detectors Can Generalize [51.21167546843708]
  共同設立者(データ分散とモデルキャパシティ)の制御により,公正な介入による一般化が向上することを示す。 この知見を応用して, 逆正当性重み付けとサブグループワイド特徴正規化を併用し, 新たなアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・インセンティブ・インターベンション・インベンション・インテクション(DAID)を提案する。 DAIDは、いくつかの最先端技術と比較して、公平性と一般化の両方において一貫して優れた性能を達成する
  論文  参考訳（メタデータ） (2025-07-03T14:10:02Z)
• The Root Shapes the Fruit: On the Persistence of Gender-Exclusive Harms in Aligned Language Models [91.86718720024825]
  我々はトランスジェンダー、ノンバイナリ、その他のジェンダー・ディバースのアイデンティティを中心とし、アライメント手順が既存のジェンダー・ディバースバイアスとどのように相互作用するかを検討する。 以上の結果から,DPO対応モデルは特に教師付き微調整に敏感であることが示唆された。 DPOとより広範なアライメントプラクティスに合わせたレコメンデーションで締めくくります。
  論文  参考訳（メタデータ） (2024-11-06T06:50:50Z)
• Hidden in Plain Sight: Undetectable Adversarial Bias Attacks on Vulnerable Patient Populations [3.5984704795350315]
  本研究では,階層的に標的としたラベル中毒攻撃は,深層学習(DL)モデルにおいて検出不能な診断バイアスをもたらす可能性があることを示す。 以上の結果から, 逆バイアス攻撃は, 外部データセットを用いて評価した場合においても, 予測バイアスを伝播する有意なDLモデルをもたらすことが示唆された。
  論文  参考訳（メタデータ） (2024-02-08T14:40:32Z)
• Towards Causality-Aware Inferring: A Sequential Discriminative Approach for Medical Diagnosis [142.90770786804507]
  医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。 この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。 本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
  論文  参考訳（メタデータ） (2020-03-14T02:05:54Z)

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。