多言語情報障害に対する文化的に適応的な説明可能LLM評価：人間を介したアプローチ

arXiv cs.CL / 2026/3/31

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、「情報障害」（操作）の評価は本質的に文化と言語に依存しており、現行のLLMはしばしば、流暢だが単一文化的で英語中心の説明を生成することで失敗すると主張する。
人間を介したハイブリッド知能ループを提案し、母語話者の注釈者が書いた人手の根拠（rationale）を用いてLLMを評価することで、より文化に適した説明可能な出力を目指す。
静的な少数ショット・プロンプトへの依存ではなく、文脈内学習（ICL）により、多言語のInformation Disorder（InDor）コーパスから対象言語の実例（exemplars）を動的に検索して用いる方法を採用する。
予備的な比較として、ファルシ語（ペルシア語）とイタリア語のニュースを対象に、静的プロンプトと適応的プロンプトを比較し、予測性能（スパン/重症度）と、生成された根拠の質・文化的適合性を、評価者グループ間で測定する。
全体として、本研究は、多言語の情報障害の検出・評価に向けた、文化に根差した説明可能AIのための実験基盤（テストベッド）を提示する。