名前が判決を左右する時：介入の一貫性がLLMの意思決定における体系的バイアスを明らかにする

要旨: 大規模言語モデル（LLMs）はますます重要な意思決定に用いられているが、偽の特徴への感受性は未だ十分には特徴づけられていない。ICE-Guardという介入の整合性テストを適用するフレームワークを導入し、偽の特徴依存の3種類を検出する: 人口統計的特徴（名前/人種の置換）、権威性（資格/名声の置換）、フレーミング（肯定的/否定的な言い換え）。10の高リスク領域にまたがる3,000件の事例を横断して、8ファミリーから11のLLMを評価し、次のことを見出した。 (1) 権威バイアス（平均5.8%）とフレーミングバイアス（5.0%）は、人口統計バイアス（2.2%）を大幅に上回り、分野の人口統計に対する狭い焦点に挑戦している。 (2) バイアスは特定の領域に集中しており、金融分野では権威バイアスが22.6%、刑事司法ではわずか2.8%である。 (3) 構造化分解では、LLMが特徴を抽出し、決定論的ルーブリックが判断することで、フリップ率を最大で100%削減することができる（9モデルの中央値は49%）。ICEガイドによる検出-診断-緩和-検証のループを実演し、反復的なプロンプトパッチ適用を通じて累積的な偏り削減を78%達成。実データCOMPAS再犯データとの検証は、COMPAS由来の反転率が統合された合成率を上回ることを示し、我々のベンチマークが現実世界の偏りを保守的に見積もることを示唆している。コードとデータは公開されています。