
何が起きたか
15の言語モデルを対象に、出典付きの2件の依頼でベンチマークを実施。101件の引用のうち39件が記載通りには存在せず、捏造率は38.6%だった。
なぜ重要か
情報が乏しいテーマでは捏造率が54.2%に達し、引用元の大半が invent されたものだった。モデルはもっともらしく見えるが実体のない参考文献を生成する。国内企業がAI生成の引用を鵜呑みにすると、根拠の無い情報を業務で使用する可能性がある。
注目点
調査は主張を読む前に引用を確認するよう助言しており、特にニッチなテーマで重要だ。機械の判定で失敗とされた11件は人手で確認したところ実在が判明し、捏造率は49.5%から修正された。
こういう要約が、毎朝あなたのメールに届きます。
このベンチマークは機械による解決と人手による検証を組み合わせ、公表前に自らのツールの誤りを修正している点で独自だ。著者らはモデルのランキングを意図的に避け、モデルあたりわずか2レポートという大きな信頼区間を挙げている。テーマが薄いと捏造が2倍になるという発見は、モデルが引用の形式に優れ内容には優れないという仕組みを示唆している。読者にとっては、もっともらしさは信頼できるフィルターではないため、機械的に参考文献を検証することが実用的な教訓だ。この調査の限界—19レポート、2テーマ、閲覧なし—は、38.6%という数字が普遍的ではなく限定的であることを意味する。しかし、全モデルで一貫していることは問題の広がりを強調している。著者らはまた、執筆中に閲覧する検索連動型ツールでは異なる結果になる可能性が高く、将来のベンチマークの可能性を示唆している。この研究は、解決可能な出典であっても誤った帰属や弱い内容であることがあるため、存在を引用品質の下限として位置づけている。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
OneTrustはOneTrust CORIEを基盤とするFall '26リリースを発表し、厳選した基盤モデルライブラリからモデルの関連付けと非推奨指標を継続的に更新するAI台帳を追加した
Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた
