# LLM、黒人と説明された記者の情報を最大46％の割合で拒否と研究

> 人気の言語モデルは、情報源が黒人だと説明されると、その情報を信頼しない傾向が強まることが研究で判明。表面化しにくい偏りが明らかになった。

Oossa · 2026-10-23 · https://oossa.com/ja/study-finds-llms-decline-info-from-black-described-reporters-up-to-46-of-the-tim

「Invisibilization as a Source of Probability Bias in Language Models」と題したarXiv論文は、記者の人種についての説明によって、主要な言語モデルが報道をどの程度信頼しないと判断するかを測定した。6,600回のセッションで2つの壺を使うゲームを行った結果、OpenAIとAnthropicのモデルは、記者が黒人だと説明された場合、46％の割合で評価を拒否した。一方、白人だと説明された記者については9％だった。情報を評価した場合、黒人だと説明された情報源は、わずかながらより信頼されていた。複数回のラウンドを通じて正しい評価に報酬を与える採点方式を導入すると、この偏りは消えた。

## 事実

- 論文の公開日：2026-10-23（「Fri Oct 23 2026 06:00:00 GMT+0200」）
- 評価を拒否する割合：黒人だと説明された記者は46％、白人だと説明された記者は9％

## なぜ重要か

AIアシスタントの開発者は、現在のLLMが人種についての認識に基づいて情報をひそかに優遇したり退けたりする可能性を把握する必要がある。顧客サポートや医療トリアージなどの用途で、公平性に影響しかねない。

## 出典と参考資料

1. [Invisibilization as a Source of Probability Bias in Language Models](https://arxiv.org/abs/2610.30785) – arXiv, 2026-10-23

最終更新: 2026-10-23