AIはニュースを偏りから救えるか？LLMによる介入は党派間の受容性を高めるが、LLMは自身の効果を過大評価する

要旨: 政党色の強いニュースメディアは党派を超えた信頼を損なうが、大規模言語モデル（LLM）には、そのようなコンテンツを大規模に脱バイアスするための潜在的手段がある。事前登録された2つの実験にわたって、リベラル系のニュース見出しに対するLLM生成の脱バイアスが、保守派の読者の信頼関連の判断を改善しうるかどうかを検証した。研究1では、語彙レベルの微細な脱バイアス（情動的な語を、より中庸な同義語に置き換えること）は、いかなるアウトカムにも効果をもたらさなかった。研究2では、より実質的な言い換え（リフレーミング）の介入が、保守派がリベラル系ニュース見出しを「信頼できる」とみなす度合い、完全性の認識、そして関与する意思を有意に高めた。一方で、リベラル派のサンプルに対してバックファイア効果は生じなかった。研究1では、この介入はLLMでシミュレーションしたシリコン参加者において堅牢な効果を示したが、人間の読者には影響がなかった。研究2では、この介入のシリコン参加者における効果は、人間の応答と方向性としては一致していたものの、いくつかのアウトカムでは効果量が有意に大きかった。モデレーション分析により、脱バイアスへの応答を「誰がするのか」に関するモデルの暗黙の理論が、実際に人間の応答可能性を予測していた心理学的プロファイルと乖離していることが明らかになった。これらの知見は、表層的な言語ではなくイデオロギー的なフレーミングを対象とすることで、LLMベースの脱バイアスが党派を超えた受容性を高めうることを示している。しかし同時に、現行のモデルは、人的な監督なしに自身の介入を評価するための、数量的な正確さと質的な心理的忠実性の双方を欠いている。