大規模言語モデルの文化的バイアスと整合性のためのプロンプト・プログラミング

要旨: 文化は推論・価値観・優先順位付け・戦略的意思決定を形作るが、巨大言語モデル（LLMs）はしばしば文化的偏見を示し、対象集団とずれが生じることがある。LLMs が戦略的意思決定、政策支援、要約・分類・コンプライアンス指向の監査といった文書エンジニアリング作業にますます利用される中、文化的整合性を向上させることは、下流の分析と推奨がデフォルトのモデル事前情報ではなく、対象集団の価値プロファイルを反映するようにするために重要である。先行研究は、調査に基づく文化的整合フレームワークを導入し、文化特異的なプロンプトが不整合を低減できることを示したが、それは主に専有モデルを評価し、手動のプロンプト設計に依存していた。本文では、オープンウェイトのLLMs上で社会科学系調査に基づく射影と距離指標を再現することにより、そのフレームワークを検証・拡張し、同じ文化的ゆがみと文化条件付けの利点が閉鎖的なLLMシステムの外でも継続するかを検証する。この基盤に基づき、本問題に対してDSPyを用いたプロンプトプログラミングの活用を導入する。これにより、プロンプトをモジュール化可能な最適化可能なプログラムとして扱い、文化的距離の目的に対して最適化することで、文化条件付けを体系的に調整する。 実験では、プロンプト最適化がしばしば文化的プロンプト設計を上回ることを示しており、DSPyを用いたプロンプトのコンパイルが、文化的整合のあるLLM応答へのより安定して転用可能な経路を提供し得ることを示唆している。