AI・機械学習
尋ね方次第:LLMにおける性別関連の言語的バイアス
It's How You Ask: Gender-Associated Linguistic Bias in LLMs (arxiv.org)
要約
本研究では、女性がより頻繁に使用する言語的特徴(例:ヘッジ、付加疑問)を含むプロンプトが、LLMから短く、洗練度が低く、フォーマルでない応答を系統的に引き出すことを示しています。このバイアスは、プロンプトの複雑性や特徴の持ち越しを制御しても持続し、後からの緩和が困難であることが明らかになりました。LLMを介した職場コミュニケーションにおける格差の影響を軽減するため、言語的多様性の影響を上流で考慮する必要性が提唱されています。
全文翻訳
プロフェッショナルなコミュニケーションはLLMによってますます仲介されていますが、これらのモデルはすべてのユーザーに平等にサービスを提供しているのでしょうか?
女性がより一般的に使用する言語的特徴(ヘッジ、付加疑問、集合的参照)を含むプロンプトは、3つの文書タイプと4つのモデル全体で、系統的に短く、洗練度が低く、フォーマルでない応答を引き出すことを示しています。
これらの効果は、プロンプトの複雑性と特徴の持ち越しを制御した後も持続します。
署名名のような明示的な性別の手がかりは、言語的方言と同じ表現空間にエンコードされています。これは、基盤となるメカニズムが共有されていることを示唆していますが、言語的レジスターの方がはるかに影響力が大きく、名前が効果を生まないところで、大きく一貫した効果を生み出します。
私たちの結果はさらに、事後的な緩和が困難であることを明らかにしています。これらのパターンは文化的に埋め込まれており、意識的な制御の外にあるため、ユーザーは戦略的な自己提示を通じて容易に回避できません。また、メカニズム分析は、言語的特徴が初期のトランスフォーマー層にエンコードされ、他の特徴と絡み合っていることを明らかにしています。
私たちの研究は、LLMを介した職場コミュニケーションの格差のある影響を軽減するために、言語的多様性の影響を上流で考慮することを求めています。