論文の概要: The Male Abstraction Bias in Internet Culture and Large Language Models

• arxiv url: http://arxiv.org/abs/2611.05730v1
• Date: Tue, 03 Nov 2026 23:02:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:57.89866
• Title: The Male Abstraction Bias in Internet Culture and Large Language Models
• Title（参考訳）: インターネット文化と大規模言語モデルにおける男性抽象バイアス
• Abstract要約: より抽象的な概念は、世界中の言語で再現される効果である男性とより結びついている。 このバイアスは、フリーアソシエーションタスクにおける人間とAIの反応に現れ、その内部化とアルゴリズムによる再現を示す。 男性の抽象バイアスは、概念空間における中核的な組織的次元として性別を推定し、様々なステレオタイプを理解し、統一することができる。
• 参考スコア（独自算出の注目度）: 1.8252316736244685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Two foundational aspects of human cognition, abstractness and gender, are typically examined as separable. Here, we find they are systematically linked throughout the entire space of concepts spanning single (N = 40,000) and multi-word expressions (N = 67,000): across billions of words and millions of images on the internet -- and across numerous measurement techniques -- more abstract concepts are more associated with men, an effect which replicates in languages around the world. This pattern not only holds across conceptual domains, but it also maps onto grammatical structure: verbs and adverbs are more abstract and more male-coded, a system-wide trace of stereotypes accentuating agentic qualities in men. Furthermore, this bias emerges in human and AI responses in free association tasks, indicating its internalization and its algorithmic reproduction. The male abstraction bias may underlie and unify a range of stereotypes, evidencing gender as a core organizing dimension in conceptual space.
• Abstract（参考訳）: 人間の認知、抽象性、性別の2つの基本的な側面は、典型的には分離可能なものとして検討される。 ここでは、単一の (N = 40,000) とマルチワード表現 (N = 67,000) にまたがる概念空間全体にわたって体系的にリンクされていることを発見します。 このパターンは概念的領域にまたがるだけでなく、動詞や副詞はより抽象的で、より男性的にコード化されており、男性において人格的品質をアクセントするシステム全体のステレオタイプの痕跡である。 さらに、このバイアスはフリーアソシエーションタスクにおける人間とAIの反応に現れ、その内部化とアルゴリズムによる再現を示す。 男性の抽象バイアスは、概念空間における中核的な組織的次元として性別を推定し、様々なステレオタイプを理解し、統一することができる。

関連論文リスト

• Cognitive Mismatch in Multimodal Large Language Models for Discrete Symbol Understanding [96.81411333150213]
  本稿では,最上位のMLLMが個別の意味空間をどのようにナビゲートするかを評価するためのベンチマークを紹介する。 モデルは基本的なシンボル認識に失敗することが多いが、複雑な推論タスクに成功している。 この作業は、より厳格で人間指向のインテリジェントなシステムを開発するためのロードマップを提供する。
  論文  参考訳（メタデータ） (2026-03-19T04:08:20Z)
• Beyond bouba/kiki: Multidimensional semantic signals are deeply woven into the fabric of natural language [0.0]
  英語の個々の文字音素が構造化された多次元意味信号を持っていることを示す。 本研究は,音意味の象徴性は時折好奇心ではなく,音韻信号の広範で構造的な性質であることを示す。
  論文  参考訳（メタデータ） (2026-03-18T03:02:10Z)
• Visual Generation Unlocks Human-Like Reasoning through Multimodal World Models [60.543714835980325]
  人間は、これらのモデル内の概念を操作することによって、内的世界モデルと理性を構築する。 近年のAIの進歩は、世界モデルが大きな言語モデルに埋め込まれていると信じられている人間の認知能力に近似している。 本稿では,視覚生成が推論にどのような効果をもたらすかについて,最初の原理的考察を行った。
  論文  参考訳（メタデータ） (2026-01-27T17:40:07Z)
• Revealing emergent human-like conceptual representations from language prediction [90.73285317321312]
  大規模言語モデル(LLMs)は、人間らしい振る舞いを示すテキストの次のトーケン予測によってのみ訓練される。 これらのモデルでは、概念は人間のものと似ていますか? LLMは、他の概念に関する文脈的手がかりに関連して、言語記述から柔軟に概念を導出できることがわかった。
  論文  参考訳（メタデータ） (2025-01-21T23:54:17Z)
• Blind Men and the Elephant: Diverse Perspectives on Gender Stereotypes in Benchmark Datasets [12.798832545154271]
  本稿では,内在型ステレオタイプベンチマークの不整合について検討する。 StereoSetとCrowS-Pairsをケーススタディとして,データ分布がベンチマーク結果に与える影響を検討した。
  論文  参考訳（メタデータ） (2025-01-02T09:40:31Z)
• Investigating grammatical abstraction in language models using few-shot learning of novel noun gender [0.0]
  我々は,LSTMとデコーダのみのトランスフォーマーが,フランス語の文法的ジェンダーを人間のように抽象化できるかどうかを評価するために名詞学習実験を行った。 両言語モデルが一対二の学習例から新約名詞のジェンダーを効果的に一般化し,合意文脈にまたがって学習したジェンダーを適用した。 モデルの一般化行動は、それらが人間のように文法的な性別を抽象的なカテゴリーとして表現していることを示しているが、詳細を探求するにはさらなる作業が必要である。
  論文  参考訳（メタデータ） (2024-03-15T14:25:59Z)
• Gender Bias in Multimodal Models: A Transnational Feminist Approach Considering Geographical Region and Culture [3.101600812051321]
  本稿では、トランスナショナルフェミニズムの概念を取り入れたジェンダーを考慮したマルチモーダルモデルの監査手法を提案する。 男女差の有意な証拠は, 地域によって異なる。 有害なステレオタイプ・アソシエーションは、視覚的な文化的手がかりやテロリズムのようなラベルに関連していることも判明した。
  論文  参考訳（メタデータ） (2023-09-10T11:11:18Z)
• Visual Superordinate Abstraction for Robust Concept Learning [80.15940996821541]
  概念学習は言語意味論と結びついた視覚表現を構成する。 視覚概念の本質的な意味的階層を探索する失敗のボトルネックについて説明する。 本稿では,意味認識型視覚サブ空間を明示的にモデル化するビジュアル・スーパーオーディネート・抽象化・フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-28T14:27:38Z)
• Analyzing Gender Representation in Multilingual Models [59.21915055702203]
  実践的なケーススタディとして,ジェンダーの区別の表現に焦点をあてる。 ジェンダーの概念が、異なる言語で共有された部分空間にエンコードされる範囲について検討する。
  論文  参考訳（メタデータ） (2022-04-20T00:13:01Z)
• 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。