EMNLP 2026論文：AIの有害表現は減っても性別偏りが別の形で残る——45万回答を分析

結論から言うと、AIの露骨に有害な文章が減っても、性別による扱いの差が別の形で残り、一般的な毒性判定では見逃される可能性を示す研究が公開されました。研究チームは2026年9月17日、EMNLP 2026本会議採択論文「Harm Laundering in GPT Models」をarXivで公開しました。

GPT-2からGPT-5まで15モデルを対象に、性別に向けた45万件の文章生成を分析しています。研究では、初期モデルで女性向け回答に見られた露骨な性的暴力の話題群がGPT-4までに消えた一方、男性向け回答では介護、感情表現、協力者としての人物像など肯定的な話題が増え、女性向けには同等の広がりが見られないと報告しました。

GPT-4への移行点では、女性向け回答の話題の多様性が男性向けより36%低くなりました。また三つの分類器は、研究が問題視したGPT-5の特定話題を非有害と判定しました。利用者にとっては「暴言がない」だけで公平と判断せず、採用文、広告、相談回答などで、誰にどんな役割や選択肢を与えているかも確認する必要があるという示唆です。

ただし、これは特定の入力設計と評価指標に基づく観察研究で、モデル開発者の意図を示すものではありません。論文の定義や再現性を含め、会議での検証と今後の追試を待つ必要があります。