AIToday
大規模言語モデルVentureBeat AI掲載日時: 2026年9月2日 6:002分で読める

思考時間延長で未知事実の65%想起

LINEで送る
思考時間延長で未知事実の65%想起

要点

  • 新研究でLLMは知識がありながら想起できないことが判明。

  • GPT-5やGemini-3は事実の95〜98%を符号化。

  • 長く考えると最大65%回復。

3つのポイント

  1. 何が起きたか

    Google ResearchとTechnionの研究で、GPT-5やGemini-3のようなフロンティアモデルはテストした事実の95〜98%を符号化しているものの、生成時に表面化できないことが判明。推論時に長く考えることで、直接想起できなかった事実の最大65%を回復できる。

  2. なぜ重要か

    エンジニアチームは幻覚の原因を知識不足と想定し、モデル規模の拡大や訓練データの増強に走りがち。しかし、この研究は符号化よりも想起が主なボトルネックであることを示唆しており、大規模なモデルや外部データベースなしでも信頼性の高いアプリケーションを構築できる可能性がある。日本のAI活用企業では、開発時の前提が知識不足から想起不足へと変わる可能性がある。

  3. 注目点

    推論時の計算量が既存知識を引き出す鍵となる点が示された。今後のモデル改善は、単なるスケール拡大ではなく、想起戦略の最適化に焦点を当てるべきかもしれない。

この記事についてAIに質問する →

背景と解説

Google ResearchとTechnionによるこの研究は、幻覚が知識不足に起因するという一般的な想定に異議を唱える。モデルはパラメトリックに事実を符号化している一方、生成時にはそれらを引き出せないことが多い。つまり、事実精度における主要なボトルネックは符号化ではなく想起である。推論時の計算、すなわち思考時間の延長によって隠れた事実の最大65%を回復できることを示すことで、エンジニアチームは大規模なモデルや外部データベースに頼らずとも信頼性を向上できる可能性が示唆される。これは、単なるスケール拡大ではなく、推論プロセスの最適化へ焦点を移すきっかけとなるだろう。

よくある質問

この研究の主な発見は?
GPT-5やGemini-3のようなフロンティアモデルは、テストした事実の95〜98%を符号化しているが、生成時に表面化できない。長く考えることで、直接想起できない事実の最大65%を回復できる。
開発者がLLMの幻覚の原因を誤解しがちなのはなぜ?
開発者はモデルが必要な事実を知らないと想定しがちで、モデル規模の拡大、訓練データの増強、複雑な検索アーキテクチャの構築といった対応を取りがち。
VentureBeat AI元記事を読む
LINEで送る

「大規模言語モデル」の最新ニュースを、毎朝7時にお届けします

たとえば、いま届くならこの3本です

  • ウォルマート、オピオイド訴訟で5000万ドル和解Top Companies AI · 2時間前
  • CrowdStrike、AIセキュリティ新製品「Falcon Guardian」Top Companies AI · 2時間前
  • AT&T、AI特化の法務センター開設Top Companies AI · 2時間前

AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。

登録無料・30秒で完了・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。Q&Aはこのページに公開され、他の読者も読めます。

関連記事

次の記事へOpenAIのAstraが「重大」なサイバー閾値に到達