← トップへ戻る

プレプリント ·研究論文 ·完成記事 ·AIによる読み解き

多言語LLMの精神衛生評価、言語が与える影響とは？

言語が大規模言語モデルの精神衛生評価に与える影響を調査

元記事タイトル: 言語が大規模言語モデルにおける精神衛生評価に与える影響

arXiv cs.CL 2026年06月11日

査読未完了の可能性があります。完成した査読済み論文としてではなく、研究コミュニティ向けの早期共有として読んでください。

RESEARCH 研究論文 / Preprint

Field Note 読む前に確認

3行まとめ

多言語LLMは同じ意味を持つ入力でも異なる評価結果を出す可能性がある
中国語プロンプトでは高いステigmaスコアと保守的な判断が見られる
評価基準の一貫性確保が必要

こんな人に関係ある話

AI研究者精神衛生専門家大規模言語モデル開発者

信頼度メモ

プレプリント論文（査読前の可能性あり）

記事の読み解き Reading

元記事を材料に、要点、編集視点、良い点と懸念点を読みやすい順に整理しています。

この研究では、GPT-4oとQwen3-32Bを使用して、英語と中国語の設定において多言語の大規模言語モデル（LLM）が社会的に敏感な精神衛生分野でどのように機能するかを調査しています。特に、同じ意味を持つ入力でも異なる言語では評価結果に差が出ることが示されています。中国語でのプロンプトは、英語よりも高いステigma関連スコアを引き出し、またより保守的な抑うつ症の重篤度判定を行います。

編集部コメント

この研究は、大規模言語モデルが社会的・文化的背景によって異なる評価結果を示す可能性について指摘しています。特に精神衛生分野では、言語による評価の違いが患者ケアに影響を与える可能性があるため、多言語対応モデルの開発においては評価基準の一貫性確保が重要となります。

評価ポイント Assessment

良い点

多言語LLMが精神衛生評価で異なる結果を出す可能性があることが明らかに
中国語プロンプトは高いステigma関連スコアと保守的な判断を示す
評価基準の言語間の一貫性が社会的に敏感な分野での信頼性に影響を与える

懸念点

異なる言語環境でLLMの評価結果の差異が精神衛生支援に悪影響を及ぼす可能性
多言語対応モデルの開発における評価基準の一貫性確保の難しさ

業界・社会への影響 Impact

この研究は、大規模言語モデルの社会的責任と倫理的な配慮について再考を促します。特に精神衛生分野では、言語による評価結果の差異が患者ケアに影響を与える可能性があるため、多言語対応モデルの開発においては慎重なアプローチが必要となります。

深堀り Deep Dive

前提知識

大規模言語モデル（LLM）は多くの応用分野で活用されつつあり、特に社会的敏感さを必要とするメンタルヘルス領域においてもその有用性が調査されています。この研究では、異なる言語設定でのLLMの評価の一貫性について検討し、文化や社会背景による影響の可能性を探っています。

何が新しいのか

本研究は、大規模言語モデルを使用してメンタルヘルス領域で言語間の差異を調査します。特に中国語と英語での評価結果が異なることを明らかにし、同じ入力でも言語によって評価が変わる可能性があることを示しています。

今後見るべき論点

多言語対応の大規模言語モデルの改善点探求
文化と社会的背景を考慮したメンタルヘルスサポートシステムの開発
LLMによる評価の一貫性向上

用語解説

大規模言語モデル（LLM）大量のテキストデータから学習し、自然言語処理や応答生成など様々なタスクをこなす人工知能システム

精神衛生個人が生活の質を保つための心の健康状態と機能性

抑うつの重篤度判定個々の抑うつ症状の深刻さを評価するプロセス

参照元 Sources

元記事と、深堀りで参照した情報源です。コミュニティ投稿やプレプリントでは、ここから根拠を確認できます。

言語が大規模言語モデルにおける精神衛生評価に与える影響

arXiv cs.CL

https://arxiv.org/abs/2603.06910

[2603.06910] Language Shapes Mental Health Evaluations in Large Language Models https://arxiv.org/abs/2603.06910 used in analysis

Language Shapes Mental Health Evaluations in Large Language Models https://arxiv.org/html/2603.06910v2 used in analysis

この記事の見取り図

読む前に確認
記事の読み解き
深堀り
参照元
AI要約について
関連記事

キーワード

GPT-4o Qwen3-32B 精神衛生評価ステigmaスコア抑うつ症重篤度判定

AI要約について

本記事の要約・分類・読み解きにはAIを使用しています。内容確認に努めていますが、誤訳・解釈違い・元記事更新の反映漏れを含む可能性があります。重要な判断を行う場合は、必ず元記事もご確認ください。

記事データ

Source	プレプリント
Category	研究論文
Status	完成記事
出典	arXiv cs.CL
公開日	2026-06-11

元記事の説明文

arXiv:2603.06910v2 Announce Type: replace Abstract: Multilingual large language models (LLMs) are increasingly used in socially sensitive mental health contexts, including support chatbots, screening, and content moderation. This raises a reliability question: do semantically equivalent mental health inputs elicit comparable evaluations across languages, or systematic shifts consistent with language-associated social and cultural contexts? We examine this question in an English-Chinese setting with GPT-4o and Qwen3-32B using a two-level framework: construct-level evaluative orientation, measured by psychometric stigma instruments, and decision-level behavior, measured by binary stigma detection and four-class depression severity classification. Across instruments and models, Chinese prompts elicit higher stigma-related scores than English prompts. At the decision level, Chinese prompts reduce sensitivity to stigmatizing content and produce more conservative depression severity judgments, leading to more under-estimation errors. These findings show that prompt language can shift both evaluative orientation and downstream behavior in LLM-based mental health evaluation. They highlight the need to evaluate multilingual LLMs not only for aggregate performance, but also for whether they apply comparable evaluative standards across languages in socially sensitive domains.