ソーシャルメディアインフルエンスマーケッティングにおける規制コンプライアンスのためのLLM生成法的説明の評価【JST機械翻訳】

Gui Haoyang; Bertaglia Thales; Annabell Taylor; Goanta Catalina; Dooper Tjomme; Spanakis Gerasimos

プレプリント

J-GLOBAL ID：202502216765613220 整理番号：25P0270654

ソーシャルメディアインフルエンスマーケッティングにおける規制コンプライアンスのためのLLM生成法的説明の評価【JST機械翻訳】

Evaluating LLM-Generated Legal Explanations for Regulatory Compliance in Social Media Influencer Marketing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
このテーマを更に深掘りする（JDreamⅢへ）

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

arXiv掲載論文の撤回有無については、一次情報をご確認下さい。

著者 (6件)： , , , , ,
資料名：
発行年： 2025年10月09日プレプリントサーバーでの情報更新日： 2025年10月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント言語：英語 (EN)

影響者のマーケティングの増加は,有機コンテンツと後援されたコンテンツの間の境界をぼやけ,透明性に関連する法的規則の施行を困難にしている。効果的な規制は明確な目的と理由で法的知識を適用する必要があるが,公開された後援コンテンツの現在の検出法は,一般に法的基礎を欠き,不透明な「ブラックボックス」として動作する。1143インスタグラムポストを用いて,gpt-5-nanoとgemini-2.5-flash-liteを,与えられた法的知識の制御されたレベルで3つの促進戦略の下で比較した。両モデルは,曖昧な事例では性能が10ポイント以上低下するが,スポンサー付きまたはスポンサー無し(F_1~0.93)としてコンテンツの分類において強力に機能する。さらに,推論誤りの分類学を開発し,頻繁な引用省略(28.57%),不明瞭な参照(20.71%),最高の誤り訂正率(28.57%)を示す隠れ広告を示した。規制テキストをプロンプトに加えると説明の質が改善されるが,検出精度は常には改善されない。本論文の貢献は3つある。第一に,自動化減速が正確であるだけでなく,法的にもロバストであるかどうかを評価するために,LLM生成法的推論における共通誤差の分類学を提供することにより,規制コンプライアンス技術に新たな追加を行い,それによって,インフルエンスマーケッティングコンテンツの透過的検出を進展させた。第2に,インフルエンスマーケッティング法で訓練された2人の学生によって注釈されたLLM説明のオリジナルデータセットを特徴とした。第3に,LLM説明のための定量的および定性的評価戦略を結合し,これらの発見が,堅実な法的基礎上の自動化減速プロセスにおける広告規制団体をどのようにサポートできるかを批判的に反映する。【JST機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

その他の情報処理 , 計算機網

, ,

ライセンス情報：

前のページに戻る