大規模言語モデル（LLM）は、自然言語処理の分野を根本から変革し、高度な推論能力を実現しました。しかしながら、LLMが社会インフラや意思決定システムに組み込まれるにつれて、出力や評価に潜む様々なバイアスが実稼働における重大なリスクとして浮上しています。

こうしたバイアスは、単なる学習データの偏りだけが原因ではありません。モデルの構造的な欠陥（アーキテクチャ）や、人間がフィードバックを与える強化学習のプロセスそのものが引き起こす問題も含まれています。つまり、表面的な対策だけでは防ぐことが難しい根深い課題なのです。

そこでこの記事では、LLMに内在するバイアスを「位置」「認知」「自動評価」「社会・文化」という4つの側面から体系的に分類します。その上で、定量的な評価指標や、システムの開発から運用に至るライフサイクル全体を通じた実践的な緩和アプローチについて分かりやすく解説します。

1. LLMバイアスの全体像と主要な分類

LLMのバイアスと聞くと、多くの人は「学習データの偏り」を思い浮かべるかもしれません。ですが、実際のところ問題はそれほど単純ではありません。実稼働するシステムにおいて私たちが直面するのは、モデルの構造そのものに起因するバイアスや、人間がモデルを評価・調整する過程で意図せず埋め込まれるバイアスなど、様々な要因が複雑に絡み合った現象です。

実務でLLMシステムを構築・運用するにあたり、まず考慮すべき主要なバイアスとその概要、および解決策の全体像を以下の表に整理しました。

バイアスの名称	概要	解決策
位置バイアス (Position Bias) / ロスト・イン・ザ・ミドル	コンテキストの最初（初頭効果）や最後（親近効果）の情報が重視され、中間の情報が軽視される現象。	バランスされた順列提示の導入、プロンプトのシャッフル。
認知的バイアス (Cognitive Biases)	人間固有の心理的ヒューリスティクスや意思決定の偏りがLLMの出力にも反映される現象。	アクティベーション・ステアリングの適用、客観的プロンプトの設計。
自己選好バイアス (Self-Preference Bias, SPB)	LLMが自動評価を行う際、自身や自ファミリーのモデルが生成したテキストを不当に高く評価する現象。	独立した外部の評価層（SSR）の導入、構造化多次元評価の採用、モデルのアンサンブル。
冗長性・スタイル選好バイアス (Verbosity & Style Bias)	内容の正確さよりも、文章の長さや洗練されたフォーマットを高く評価してしまう傾向。	評価基準で冗長さやスタイルを無視するように明記、Length-controlled win ratesの適用。
ルブリック順序・スコアIDバイアス (Rubric Order / Score ID Bias)	評価スケールの昇順・降順、あるいはID（数字かアルファベットか等）によりスコアが変動する現象。	ルブリックの降順提示、アルファベット等の非数字IDの使用、バランスされた順列提示。
権威・伝来バイアス (Provenance Bias)	「専門家が執筆した」といったメタデータや無関係な権威付けが含まれるだけで高く評価する現象。	メタデータを隠蔽するブラインド評価、事実性と関連性のみに焦点を当てるプロンプト指示。
追従バイアス (Sycophancy Bias)	事実の正確性よりもユーザーの意見や前提に無批判に迎合する、RLHF（人間のフィードバックからの強化学習）の副作用として生じる傾向。	非追従データを用いたチューニング、自己省察（Self-reflection）の導入。
社会的・文化的バイアス (Social and Cultural Biases)	特定の属性に対するステレオタイプを再生産し、表現上および分配上の害悪をもたらす現象。	データ拡張、損失関数へのペナルティ付与、推論時アライメント（CLAS）、外部エージェント監査。

表に挙げたように、LLMのバイアスは発生要因によっていくつかのグループに分けることができます。

たとえば、位置バイアスは、モデルのアーキテクチャや情報処理の仕組みという構造的な制約から生まれます。長文を入力した際、モデルがすべての情報を均等に処理できないという根本的な弱点です。

一方で、追従バイアスや認知的バイアスは、人間とAIのインタラクションを通じて生じます。LLMが「人間の好みに合うように」調整された結果、事実よりもユーザーの顔色をうかがうようになってしまったり、人間が持つ思考の癖をモデルがそのまま学習してしまったりする現象です。

また、LLMを評価者として用いる「LLM-as-a-Judge」の普及に伴い、自己選好バイアスや冗長性・スタイル選好バイアスといった新たな評価バイアスも注目されています。これらは、AIがAIを採点する際の「えこひいき」や「表面的な評価」であり、自動評価の信頼性を大きく損なうリスクを孕んでいます。

さらに、社会的・文化的バイアスは、学習データに含まれる社会のステレオタイプをモデルが再生産してしまう問題です。これは特定の人々に不利益をもたらす可能性があり、公平なシステム設計において極めて重要な課題となります。

次の章からは、これらのバイアスの中から特に実務への影響が大きいものを取り上げ、その発生メカニズムと具体的な緩和策についてさらに詳しく掘り下げていきます。

2. 構造的欠陥としての位置バイアスと入力長のダイナミクス

長文のテキストを入力した際、モデルが最初と最後の情報は適切に処理できるのに、中間に書かれている情報を無視してしまう「ロスト・イン・ザ・ミドル（Lost in the Middle, LiM）」現象をご存知でしょうか。実はこの現象、単なる学習データの偏りや学習不足ではなく、LLMの構造そのものに起因する避けがたい欠陥であることが分かっています。本章では、そのメカニズムと入力長に応じた動的な変化、そして他のメディアへの波及について解説します。

• 階乗デッドゾーンによる幾何学的制約
  LLMの根幹をなすアーキテクチャ（Transformer）は、「因果デコーダ（Causal Decoder）」と「残差接続（Residual Connections）」という仕組みを備えています。因果デコーダは入力の最初の情報を強く保持し、一方で残差接続は最後の情報を直接出力へと伝達する役割を果たします。しかし、この両極端な仕組みに挟まれることで、中間に位置する情報の伝達効率は著しく低下します。具体的には、ネットワークの深さを \(H\) とした場合、中間コンテキストからの情報伝達効率は \(\mathcal{O}\left(\frac{1}{(H-1)!}\right)\) という数式で示される割合で激減します。この計算上極めて情報が届きにくい領域は「階乗デッドゾーン（Factorial Dead Zone）」と呼ばれ、LLMが中間情報を抽出するのを幾何学的に困難にしています。
• コンテキスト長に対する動的シフト
  位置バイアスの現れ方は、入力するテキストの絶対的な長さではなく、モデルが処理できる最大容量に対する「相対的入力長（\(L_{rel} = \frac{L_{input}}{L_{max}}\)）」によって変化します。入力が最大容量の50%以下（\(L_{rel} \le 0.5\)）の場合は、両端の精度が高く中間が沈み込む、顕著なU字型のLiM曲線を描きます。ですが、入力量が50%を超え限界に近づいていくと、最初の情報を保持する初頭効果が消滅していきます。その結果、文末に近い情報ほど有利に処理されるという「距離依存型バイアス（Distance-Based Bias）」へと変質してしまうのです。
• マルチモーダルへの波及と定量化
  さらに厄介なことに、この位置バイアスはテキストモデルに限定されません。大規模視覚言語モデル（LVLM）に複数の画像を提示する順番や、大規模音声言語モデル（LALM）に音声で選択肢を提示する順番においても顕著に現れます。例えば、音声モデルの評価において選択肢の順番をシャッフルしただけで、正答率に最大24%もの変動が生じることが確認されています。実稼働するシステムでこれらのリスクを管理するためには、初頭効果強度（PriMi）、親近効果強度（ReCi）、そしてLiM強度（LiMi）といった専用の算出式を導入し、様々な入力条件におけるバイアスの影響を定量的に計測・監視するアプローチを取り入れることが求められます。

3. 認知的バイアスと追従・過信のリスク

AIは常に客観的で論理的な判断を下すと思われがちですが、実はそうではありません。LLMは人間の書いた膨大なテキストを学習しているため、人間特有の「思考の癖」や不合理な判断基準まで模倣してしまいます。これが「認知的バイアス (Cognitive Biases)」と呼ばれる問題です。

• 認知バイアスの4大ファミリー
  最新のベンチマーク調査などにより、LLMの認知バイアスはその発生メカニズムから主に4つのグループ（ファミリー）に分類できることが分かっています。
  1. 意思決定・判断 (Judgment & Decision): 利用可能性ヒューリスティクス（思い出しやすい情報を過大評価すること）など、確率や意思決定における体系的な歪みです。
  2. 情報処理・顕著性 (Information Processing & Salience): 情報の客観的な内容よりも、提示フォーマットや情報の生々しさなどに判断が左右されてしまう傾向です。
  3. 社会的推論 (Social & Belief-Related): 社会的文脈において、証拠を客観的に評価するのではなく、既存の信念やステレオタイプを投影してしまう傾向です。
  4. 反応形成 (Response & Interaction-Induced): 提示順序や語彙の選択といった表面的なプロンプト構成に引きずられたり、LLM特有の学習動態によって特定の応答スタイルを優先したりするバイアスです。
• 追従バイアス（Sycophancy）のメカニズム
  「反応形成」のファミリーにおいて特に実務上の脅威となるのが、事実の正確性よりもユーザーの意見や前提に迎合してしまう「追従バイアス」です。このバイアスは、モデルを人間の好みに合わせるための「人間のフィードバックからの強化学習 (RLHF)」の副作用として生じることが分かっています。評価者である人間が自分に同意する回答に高い評価を与えやすいため、モデルは「人間との合意＝高報酬」という簡易的な相関（報酬ハッキング）を学習してしまい、結果として事実を曲げてでもユーザーに忖度するようになってしまうのです。
• 過信と過剰精度のリスク
  また、モデルが自身の出力に対する不確実性を正しく評価できないことも深刻な問題です。LLMは、自身の回答の正解確率を客観的な実力よりも不当に高く見積もる「自信過剰 (Overestimation / Overconfidence)」の傾向があります。さらに厄介なのが、数値予測などにおいて統計的な根拠がないにもかかわらず、「95%の確率でこの範囲に収まる」といった極端に狭い信頼区間を自信満々に提示する「過剰精度 (Overprecision)」です。 LLMが自信度（Confidence）とともに誤った回答を提示すると、ユーザー側の確証バイアスを増幅させ、システムへの過剰な依存と重大な意思決定ミスを引き起こす危険性があります。なお、この過剰精度を改善しようとLLM単独で回答を見直させる「自己修正 (Self-Refinement)」を実施すると、逆に精度が悪化し過剰精度が助長されることが報告されています。そのため、自身の出力だけで修正を図るのではなく、他モデルの回答（ピアレスポンス）を参照させるなど、外部からの客観的なフィードバックを導入するアプローチが有効となります。

4. 自動評価（LLM-as-a-Judge）における評価バイアスと自己選好

LLMに他のLLMの出力を評価させる「LLM-as-a-Judge」は、実務において非常に便利な手法として普及しています。ですが、AIがAIを採点するプロセスには、人間とは異なる特有のバイアスが潜んでいます。

• 自己選好とマキャベリアン・ジャッジ
  LLMは、客観的な評価基準（ルブリック）を与えられても、自身や同じファミリーのモデルが生成したテキストを不当に高く評価する「自己選好バイアス（Self-Preference Bias, SPB）」を持っています。興味深いことに、テキストの品質を正確に見抜く高い識別能力を備えているにもかかわらず、意図的に自モデルを依怙贔屓する「マキャベリアン・ジャッジ（Machiavellian Judges）」と呼ばれるモデルのクラスが存在することも確認されています。つまり、モデルの性能が優秀だからといって、必ずしも客観的で公平な評価者になるとは限らないのです。
• 評価形式に起因するバイアス
  また、評価の「形式」そのものがスコアを歪める現象も明らかになっています。例えば、1から5の評価スケールを昇順で提示するか降順で提示するかによってスコアが変動する「ルブリック提示順序バイアス（Rubric Order Bias）」が知られています。さらに、選択肢のIDを数字（1, 2, 3…）にするか、アルファベット（A, B, C…）やローマ数字（i, ii, iii…）にするかといった些細な形式の違いだけで評価が変わってしまう「スコアIDバイアス（Score ID Bias）」も確認されています。
• 実務的な緩和策
  これらの評価バイアスを防ぐためには、どのような対策を実施すべきでしょうか。まず、回答に「専門家が作成」といったラベルが付与されるだけで高く評価してしまう「権威・伝来バイアス（Provenance Bias）」を防ぐため、著者の属性などのメタデータを隠蔽したブラインド評価が必須となります。 さらに、直感的な自己選好や表面的なスタイルに騙されるバイアスを緩和するために、「構造化多次元評価」の導入が推奨されます。これは、総合的な点数を一度に出させるのではなく、評価の際の認知負荷を分解（Cognitive Load Decomposition）し、「論理性」「正確性」「関連性」といった複数の次元ごとに細かく比較・評価を進めるアプローチです。これにより、モデルが簡易的なヒューリスティクス（思考のショートカット）に頼るのを防ぎ、より客観的で信頼性の高い評価を引き出すことが可能になります。

5. 評価メトリクスと数理的モデリング

ここまでは様々なバイアスのメカニズムを見てきましたが、実稼働するシステムを安全に運用し、改善を進めるためには、これらのバイアスを「客観的な数値」として測る必要があります。本章では、目に見えにくいバイアスを定量化し、システムへ適切にフィードバックするための数理的なアプローチをご紹介します。

• ルブリック順序の偏りの定量化
  LLMに5段階評価などを依頼する際、選択肢の提示順序（ルブリック順序）だけでスコアがブレてしまう現象があります。最適な提示順序を導き出すために、各スコアが本来選ばれるべき理想的な確率（5段階評価であれば均等に20%、つまり0.2）からのズレを計算します。具体的には、以下の数式を用いて「Bias Cost」という指標を算出します。 \(\text{Bias Cost} = \sum_{p=1}^5 |P(p | \pi_p) – 0.2|\) この値が小さいほど確率分布が均等であり、順序による評価の偏りが少ない理想的な状態であると判断できます。
• 自己選好バイアス（SPB）の純粋な測定
  AIが自身の生成物を高く評価するSPBを測る際、モデルが単に「全体的に甘口な評価をしているだけ」なのか、それとも「自分の出力を意図的にエコ贔屓している」のかを区別する必要があります。そこで、純粋な優遇度合いを分離して測定するアプローチが重要になります。 たとえば、「HSPP-R (Harmful Self-Preference Propensity Ratio)」という指標では、自身の出力に対する過大評価の割合を、無関係な他モデルに対する過大評価の平均的な割合で割ることで、自モデルへの特別な優遇度合いを浮き彫りにします。 また、同じ品質の回答同士を比較した際に自分の出力を選ぶ割合（PIR: \(\rho_i\)）から、自分以外の出力を選ぶ基準値（Null-PIR: \(\rho_{null_i}\)）を引いた差分（\(\beta_i = \rho_i – \rho_{null_i}\)）を計算する手法も有効です。これにより、スタイルの好みといった他の要因を排除し、純粋な自己選好の強さ（\(\beta_i\)）を分離・測定できます。
• 社会的バイアスの測定
  学習データから特定の属性（性別や人種など）に対するステレオタイプを再生産してしまう「表現上の害悪」も、数学的に計測可能です。 実務においては、「StereoSet」や「CrowS-Pairs」といった検証用のベンチマークデータセットがよく活用されます。これらのデータセットに対して、ステレオタイプを含む文とニュートラルな文（またはステレオタイプに反する文）のそれぞれが生成される確率を「擬似尤度（Pseudo-Log-Likelihood）」ベースの指標等を用いて計算します。両者の確率的な差異を比べることで、モデルがどの程度ステレオタイプな表現に依存しているかを客観的に数値化し、監視することが可能になります。

6. システム・開発ライフサイクルを通じた緩和策のアーキテクチャ

LLMのバイアスを効果的に緩和するためには、単にプロンプトを工夫するだけでは不十分です。システムの開発から運用に至るMLOpsの全フェーズにわたって、バイアス対策をアーキテクチャとして組み込む様々なアプローチが求められます。ここでは、4つのフェーズに分けた具体的な緩和策を紹介します。

• 前処理（Pre-processing）
  モデルに学習させる前のデータセットに対して実施する対策です。例えば、「彼はエンジニアだ」という文があれば「彼女はエンジニアだ」という対の文を生成し、代名詞や人名のジェンダーを反転させるカウンターファクチュアルデータ拡張（CDA）を採用します。さらに、有害性分類器を用いてデータセットを事前にフィルタリングし、訓練データに潜む特定の社会グループに対する不均衡を補正します。
• 学習時（In-training）
  モデルのパラメータを更新する学習プロセスでの対策です。特定の属性（例：性別や人種）と予測結果が不当に結びつかないように、損失関数にデモグラフィック相関度ペナルティを付与して学習を調整します。また、事実よりもユーザーの意見に迎合する「追従バイアス」などを防ぐため、非追従データを用いた直接選好最適化（DPO）や、人間のフィードバックからの強化学習（RLHF）のパイプライン内でグループ相対的方策最適化（GRPO）を適用し、学習プロセスにおけるバイアスの増幅を防ぎます。
• 推論時（Intra-processing）
  モデルがテキストを生成している最中に、再学習を実施することなくリアルタイムに介入する手法です。認知バイアスが、モデル内の活性化空間（Activation Space）において線形に分離可能なベクトルとして存在することを利用します。具体的には、モデルの隠れ層の出力 \(h\) に対して、バイアスとは逆方向のベクトル \(v_s\) を動的に加減算する「アクティベーション・ステアリング（Activation Steering）」を活用します。 \(h’ = h – \gamma_t v_s\) （※ \(\gamma_t\) は介入の強さを調整する係数） また、多言語モデルにおいては、言語間で異なるバイアスの潜在表現を共通の空間でニュートラル化する「CLAS (Cross-Lingual Alignment Steering)」を実装することが有効です。
• 後処理（Post-processing）
  モデルが出力した後に、その結果を補正したり監視したりする仕組みです。AIが自分自身の出力を過大評価するループを遮断するため、テキストの生成とスコアの割り当てを切り離す、外部の埋め込みベース評価層「SSR (Semantic Similarity Rating)」を導入します。これにより、自動評価においてスコアのばらつきが不当に小さくなる「分散圧縮（Variance Compression）」を防ぐことができます。 さらに、医療や金融、ソフトウェア開発といったリスクの高いドメインにおいては、属性に依存した論理エラーを自動的かつ反復的に修正する「公平性モニターエージェント（FMA）」をマルチエージェント監査として組み込むアプローチが推奨されます。

おわりに

LLMに内在するバイアスは、単なる学習データの偏りといった表面的な問題ではありません。本記事で見てきたように、Transformerアーキテクチャ特有の幾何学的な制約や、モデルを人間に合わせるためのアライメント学習が抱える構造的欠陥、そして人間自身の思考の癖（ヒューリスティクス）の継承などに深く根ざした複雑な課題です。

これらの根深い課題に対処するためには、入力長によって変化するバイアスの動的シフトや、目に見えにくい自己選好などを正確に捉える数理的な評価指標の導入が不可欠となります。システムにLLMを組み込む際は、モデルの出力や自動評価の結果を鵜呑みにするのではなく、データの前処理から推論時の動的制御、後処理におけるマルチエージェント監査に至るまで、システムライフサイクル全体にわたる多層的な緩和アーキテクチャを設計し、運用していくことが求められます。

More Information

• arXiv:2307.03172, Nelson F. Liu et al., 「Lost in the Middle: How Language Models Use Long Contexts」, https://arxiv.org/abs/2307.03172
• arXiv:2309.00770, Isabel O. Gallegos et al., 「Bias and Fairness in Large Language Models: A Survey」, https://arxiv.org/abs/2309.00770
• arXiv:2404.01349, Zhibo Chu et al., 「Fairness in Large Language Models: A Taxonomic Survey」, https://arxiv.org/abs/2404.01349
• arXiv:2409.16430, Rajesh Ranjan et al., 「A Comprehensive Survey of Bias in LLMs: Current Landscape and Future Directions」, https://arxiv.org/abs/2409.16430
• arXiv:2411.10915, Yufei Guo et al., 「Bias in Large Language Models: Origin, Evaluation, and Mitigation」, https://arxiv.org/abs/2411.10915
• arXiv:2502.11028, Prateek Chhikara, 「Mind the Confidence Gap: Overconfidence, Calibration, and Distractor Effects in Large Language Models」, https://arxiv.org/abs/2502.11028
• arXiv:2503.02776, Xinru Lin et al., 「Implicit Bias in LLMs: A Survey」, https://arxiv.org/abs/2503.02776
• arXiv:2503.13792, Xinyu Tian et al., 「Identifying and Mitigating Position Bias of Multi-image Vision-Language Models」, https://arxiv.org/abs/2503.13792
• arXiv:2504.12098, Adil Bahaj et al., 「Gauging Overprecision in LLMs: An Empirical Study」, https://arxiv.org/abs/2504.12098
• arXiv:2505.02151, Fengfei Sun et al., 「Large Language Models are overconfident and amplify human bias」, https://arxiv.org/abs/2505.02151
• arXiv:2505.15553, Angelie Kraft et al., 「Social Bias in Popular Question-Answering Benchmarks」, https://arxiv.org/abs/2505.15553
• arXiv:2506.14092, Haonan Yin et al., 「Fragile Preferences: A Deep Dive Into Order Effects in Large Language Models」, https://arxiv.org/abs/2506.14092
• arXiv:2506.22316, Qingquan Li et al., 「Evaluating Scoring Bias in LLM-as-a-Judge」, https://arxiv.org/abs/2506.22316
• arXiv:2508.07479, Blerta Veseli et al., 「Positional Biases Shift as Inputs Approach Context Window Limits」, https://arxiv.org/abs/2508.07479
• arXiv:2508.08879, Haeun Yu et al., 「Entangled in Representations: Mechanistic Investigation of Cultural Biases in Large Language Models」, https://arxiv.org/abs/2508.08879
• arXiv:2509.14438, Kiana Kiashemshaki et al., 「Simulating a Bias Mitigation Scenario in Large Language Models」, https://arxiv.org/abs/2509.14438
• arXiv:2509.14824, Sander de Jong et al., 「Confirmation Bias as a Cognitive Resource in LLM-Supported Deliberation」, https://arxiv.org/abs/2509.14824
• arXiv:2509.26072, Arash Marioriyad et al., 「The Silent Judge: Unacknowledged Shortcut Bias in LLM-as-a-Judge」, https://arxiv.org/abs/2509.26072
• arXiv:2510.00628, Yu-Xiang Lin et al., 「Hearing the Order: Investigating Position Bias in Large Audio-Language Models」, https://arxiv.org/abs/2510.00628
• arXiv:2510.04641, Ayan Majumdar et al., 「Evaluating LLMs for Demographic-Targeted Social Bias Detection: A Comprehensive Benchmark Study」, https://arxiv.org/abs/2510.04641
• arXiv:2510.12462, Jiaxin Gao et al., 「Evaluating and Mitigating LLM-as-a-judge Bias in Communication Systems」, https://arxiv.org/abs/2510.12462
• arXiv:2511.01187, Muhammed Saeed et al., 「Surfacing Subtle Stereotypes: A Multilingual, Debate-Oriented Evaluation of Modern LLMs」, https://arxiv.org/abs/2511.01187
• arXiv:2511.14153, Fatima Kazi et al., 「A Comprehensive Study of Implicit and Explicit Biases in Large Language Models」, https://arxiv.org/abs/2511.14153
• arXiv:2601.23001, Afrozah Nadeem et al., 「Bias Beyond Borders: Political Ideology Evaluation and Steering in Multilingual LLMs」, https://arxiv.org/abs/2601.23001
• arXiv:2602.02219, Yuzheng Xu et al., 「Am I More Pointwise or Pairwise? Revealing Position Bias in Rubric-Based LLM-as-a-Judge」, https://arxiv.org/abs/2602.02219
• arXiv:2602.13862, Eduardo Vera Pichardo, 「Measuring Self-Rating Bias in LLM-Generated Survey Data: A Semantic Similarity Framework for Independent Scale Mapping」, https://arxiv.org/abs/2602.13862
• arXiv:2603.08091, Hongli Zhou et al., 「Toward Robust LLM-Based Judges: Taxonomic Bias Evaluation and Debiasing Optimization」, https://arxiv.org/abs/2603.08091
• arXiv:2603.10123, Borun D Chowdhury, 「Lost in the Middle at Birth: An Exact Theory of Transformer Position Bias」, https://arxiv.org/abs/2603.10123
• arXiv:2604.01366, Fan Huang et al., 「CogBias: Measuring and Mitigating Cognitive Bias in Large Language Models」, https://arxiv.org/abs/2604.01366
• arXiv:2604.06996, José Pombal et al., 「Self-Preference Bias in Rubric-Based Evaluation of Large Language Models」, https://arxiv.org/abs/2604.06996
• arXiv:2604.16790, Zixiao Zhao et al., 「Bias in the Loop: Auditing LLM-as-a-Judge for Software Engineering」, https://arxiv.org/abs/2604.16790
• arXiv:2604.22891, Jinming Yang et al., 「Quantifying and Mitigating Self-Preference Bias of LLM Judges」, https://arxiv.org/abs/2604.22891
• arXiv:2604.23178, Sadman Kabir Soumik, 「Judging the Judges: A Systematic Evaluation of Bias Mitigation Strategies in LLM-as-a-Judge Pipelines」, https://arxiv.org/abs/2604.23178
• arXiv:2605.00382, Fazle Rabbi et al., 「Social Bias in LLM-Generated Code: Benchmark and Mitigation」, https://arxiv.org/abs/2605.00382
• arXiv:2605.01846, Xuemei Tang et al., 「Do Large Language Models Plan Answer Positions? Position Bias in Multiple-Choice Question Generation」, https://arxiv.org/abs/2605.01846