大規模言語モデルにおける潜在活性化誘導による文化的価値の調整

大規模言語モデル（LLM）は、しばしば均質化された文化的視点を示す。世界価値観調査（WVS）は人間の価値観をマッピングするための黄金基準を提供するが、LLMへの従来の直接プロンプトではモデルの潜在的文化深度にアクセスできず、安全性に沿った拒否や中立的な応答が生じることが多い。本研究では、抽象的なクエリからシナリオベースの行動プロービングに移行する、文化評価と介入のための汎用フレームワークを提案する。

研究チームは300の状況ジレンマにわたる暗黙のトークン確率を抽出することで、表面レベルの調整を迂回し、LLMの文化的価値の潜在座標をマッピングする。これらのジレンマは、伝統と現代、個人と集団、権威と自由など、さまざまな文化的次元をカバーしている。彼らは、特定の価値観についてモデルに直接質問すると、モデルは安全だが曖昧な回答をしがちである一方、具体的なジレンマにおけるテキスト生成の確率分布を分析することで、潜在的な文化的選好をより正確に明らかにできることを発見した。

さらに、活性化誘導（activation steering）技術を導入し、再学習なしに順伝播中にこれらの内部調整をシフトさせる。この方法は、特定の層に方向ベクトルを加算または減算することで、モデルのテキスト生成を特定の文化的価値観に向けたり遠ざけたりする。実験では、活性化誘導がモデルを個人主義から集団主義へなど、ある文化的選好から別の選好へ効果的に転換できることが示された。

複数のLLMにわたる実験では、適応性に大きなばらつきが見られる。一部のモデルは強い可塑性を示すが、他のモデルは誘導に対して比較的鈍感である。さらに重要なことに、一貫した現象として潜在的な絡まり（latent entanglement）が明らかになった。つまり、ある文化的次元への介入が別の次元に変化を引き起こす。例えば、集団主義の強化は伝統的価値観の同時強化につながる可能性があり、権威志向の低下は家族的価値観を弱める可能性がある。この結果は、文化的価値が結合構造としてエンコードされており、正確な調整を制限することを示唆している。

この研究は、計算効率の良い文化誘導フレームワークを確立し、LLMでグローバルな価値を扱う際の構造的複雑性を浮き彫りにしている。研究チームは、このフレームワークがLLMの文化的偏見の研究だけでなく、特定の文化的背景に合わせたモデルの開発にも使用できると指摘している。本論文はACL 2026学生研究ワークショップ（非アーカイブトラック）で発表予定であり、関連するコードとデータはGitHubで公開されている。