不確実性を通じた幻覚の再考：Google の新アプローチ
本文の状態
日本語全文を表示中
詳細モードで約2分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
TLDR AI
Google は、生成 AI が事実と異なる情報を出力する「幻覚」現象を軽減するため、モデルの不確実性を評価・活用する新たな手法を検討している。この技術は信頼性の向上に寄与する可能性がある。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
**
要旨：事実の信頼性において著しい進歩を遂げたにもかかわらず、誤り -- しばしば幻覚（hallucinations）と呼ばれる -- は生成 AI の主要な懸念事項であり続けています。特に、大規模言語モデル（LLM）がより複雑または微妙な設定において有用性を発揮することがますます期待されるようになっている現状ではなおさらです。しかし、最も単純な設定 -- 明確な正解が存在する事実質問応答 -- でさえも、外部ツールを備えていない最前線のモデルは依然として幻覚を起こし続けています。私たちは、この分野における事実に基づく成果のほとんどが、モデルの知識の境界を広げる（より多くの事実を符号化する）ことによるものであり、その境界への意識を高める（既知と未知を区別する）ことによるものではないと主張します。後者は本質的に困難であると私たちは推測しています：モデルは真実と誤りを完璧に分離するための識別能力を欠いている可能性があり、幻覚の排除と有用性の維持の間には避けられないトレードオフが生じると考えられます。
このトレードオフは、異なる枠組みの下では解消されます。ハルシネーションを「適切な注釈なしに提供される自信満々な誤り」として理解すれば、回答するか見送るかという二項対立を超えた第三の道が現れます。それは不確実性を表現することです。私たちは忠実な不確実性（faithful uncertainty）を提案します。これは言語的な不確実性と本質的な不確実性を一致させることです。これはメタ認知の一側面であり、自身の不確実性を認識し、それに基づいて行動する能力です。直接的な対話においては、不確実性を誠実に伝えることが行動に繋がります。エージェントシステムにおいては、検索を行うタイミングや何を信頼するかを支配する制御層となります。したがって、LLM が信頼性が高くかつ能力を持つためにはメタ認知が不可欠であり、私たちはこの目標に向けた進展のための未解決課題を強調して結論とします。
コメント:
ICML 2026（Position Track）に掲載予定
分野:
計算と言語 (cs.CL)
引用形式:
arXiv:2605.01428 [cs.CL]
(または、このバージョンについては arXiv:2605.01428v1 [cs.CL])
https://doi.org/10.48550/arXiv.2605.01428
arXiv 発行 DOI (DataCite 経由)
提出履歴
送信者：Gal Yona [メールを見る]
[v1]**
日本時間 2026 年 5 月 2 日（土）12:59:14 UTC (680 KB)
原文を表示
Abstract:Despite significant strides in factual reliability, errors -- often termed hallucinations -- remain a major concern for generative AI, especially as LLMs are increasingly expected to be helpful in more complex or nuanced setups. Yet even in the simplest setting -- factoid question-answering with clear ground truth-frontier models without external tools continue to hallucinate. We argue that most factuality gains in this domain have come from expanding the model's knowledge boundary (encoding more facts) rather than improving awareness of that boundary (distinguishing known from unknown). We conjecture that the latter is inherently difficult: models may lack the discriminative power to perfectly separate truths from errors, creating an unavoidable tradeoff between eliminating hallucinations and preserving utility.
This tradeoff dissolves under a different framing. If we understand hallucinations as confident errors -- incorrect information delivered without appropriate qualification -- a third path emerges beyond the answer-or-abstain dichotomy: expressing uncertainty. We propose faithful uncertainty: aligning linguistic uncertainty with intrinsic uncertainty. This is one facet of metacognition -- the ability to be aware of one's own uncertainty and to act on it. For direct interaction, acting on uncertainty means communicating it honestly; for agentic systems, it becomes the control layer governing when to search and what to trust. Metacognition is thus essential for LLMs to be both trustworthy and capable; we conclude by highlighting open problems for progress towards this objective.
| Comments: | To appear in ICML 2026 (Position Track) |
|---|---|
| Subjects: | Computation and Language (cs.CL) |
| Cite as: | arXiv:2605.01428 [cs.CL] |
| (or arXiv:2605.01428v1 [cs.CL] for this version) | |
| https://doi.org/10.48550/arXiv.2605.01428 arXiv-issued DOI via DataCite |
Submission history
From: Gal Yona [view email] [v1]
Sat, 2 May 2026 12:59:14 UTC (680 KB)
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み