2026年01月09日
## 要約：
大規模言語モデルの質問応答システムは、地域特有の質問に答えられない「知識の空白」を生み出す。本研究では、コミュニティのストーリーを構造化データに変換し、共同で管理することで、地域AIシステムの精度を向上させる「共同ナラティブ接地化」という手法を提案する。パイロット実験の結果、地域固有の知識を反映させることの重要性が示され、地域AIシステム開発における設計上の課題も指摘している。
---
## 翻訳：
arXiv:2601.04201v1 Announce Type: new
Abstract: 大規模言語モデル (LLM) の質問応答システムは、コミュニティ固有のクエリでしばしば失敗し、「知識の空白」を生み出し、地域の声の疎外や認識的正義の強化を引き起こします。私たちは、Collective Narrative Grounding（共同ナラティブ接地化）という参加型のプロトコルを紹介します。これは、コミュニティのストーリーを構造化されたナラティブ単位に変換し、コミュニティの統治下でAIシステムに統合します。N=24人のコミュニティメンバーとの3つの参加型マッピングワークショップからの学習に基づき、ナラティブの豊かさを維持しながら、エンティティ、時間、場所の抽出、検証、およびプロヴェナンス制御を可能にする抽出方法とスキーマを設計しました。問題の範囲を把握するために、14,782件の県レベルのローカル情報QAペアのベンチマークを監査しました。事実の欠落、文化的な誤解、地理的な混乱、および時間的なずれがエラーの76.7%を占めています。ワークショップから派生した参加型QAセットにおいて、最先端のLLMは追加コンテキストなしで21%未満の質問に正しく答えました。これは、ローカル接地化の必要性を強調しています。欠落した事実は、多くの場合、収集されたナラティブに現れており、ナラティブ項目に対する支配的なエラーモードを直接的に解消する道筋を示唆しています。プロトコルとパイロット実験に加えて、表現と権力、統治と制御、プライバシーと同意のような主要な設計上の緊張を明確に述べ、検索優先、プロヴェナンス可視、地域統治型QAシステムのための具体的な要件を提供しています。私たちの分類法、プロトコル、および参加型評価は、地域に根ざしたAIを構築するための厳格な基盤を提供し、より適切に地域の問題に答えることができます。
[📰 原文はこちら](https://arxiv.org/abs/2601.04201)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
