動物福祉の推進者は大量の文章を生み出しており、その文章はますます多くの言語モデルの訓練に使われ、その後何百万人もの人々が動物福祉についてモデルに質問するようになっている。arXivに新たに公開された論文（2606.26104）は、10の言語的特徴が大規模言語モデルの動物福祉に関する推論傾向にどのように影響するかを体系的に調査した。この研究はJasmine Brazilekらによって行われ、2026年4月30日に投稿され、計算と言語（cs.CL）および人工知能（cs.AI）の領域に属する。
研究チームは語彙一致したスタンス対比プローブを用い、独立した動物福祉ベンチマーク上で、各言語的特徴を微調整データとして使用した際にLlama-3.2-1Bモデルが動物福祉寄りの推論を好む度合いがどう変化するかを測定した。実験の結果、10の特徴のうち8つが統計的に有意な変化を生み出した。7つの特徴はモデルをより強い動物福祉寄りの推論へと導いた。すなわち、断定的確実性、明示的な道徳語彙、感情語、評価的主張、物語構造、描写された危害の重大性、即時的時間枠組みである。一方、2つの特徴は逆効果をもたらした。曖昧な言語と具体的感覚描写はいずれも動物福祉寄りの立場を弱めた。一人称視点には統計的に有意な効果は見られなかった。
この発見は動物福祉の文章作成に直接的な実用的意義を持つ。論文の中心的な提言は、LLMの訓練コーパスに入る可能性のある動物福祉テキストは、中立的に情景を描写するのではなく、立場を明確に断言すべきであるというものである。モデルの傾向を変える特徴は、書き手の立場を明示する特徴にほかならない。立場を弱める特徴は、動物福祉の内容を含みながらも立場を伏せているのである。言い換えれば、事実を提示したり感覚描写を行ったりするだけでは、モデルに動物福祉寄りの推論を形成させるには不十分であり、明確な価値判断や感情表現が鍵となる。
本研究は、訓練データにおける言語選択がモデルの価値観をどのように形成するかを理解するための実証的基盤を提供し、コンテンツ制作者やデータセット構築者に対して言語スタイルがモデル行動に及ぼす潜在的な影響に注意を促すものである。論文の要旨では実験の具体的な規模やベンチマークの構成について詳細は述べられていないが、統計的有意性の検定結果が強調されている。今後の研究では、これらの特徴が異なるモデルアーキテクチャやより大規模なパラメータ数でも普遍的に見られるかをさらに探求することが期待される。