あなたを覚えているものは、すべて間違いを犯します。そのうちの一つは、いまならあなたが正せます。

まずは仕組みから。確かめられることだからです。このテーマを扱う文章の多くは、気持ちの話ばかりで、仕組みを飛ばしています。

• AI Persona に質問に関するデータがなくても答えが返ってくるのは、空白よりも推測のほうが採点で有利だからです。 Kalai、Nachum、Vempala、Zhang は「Why Language Models Hallucinate」(arXiv:2509.04664、2025年9月)で、モデルは「優れた受験者になるよう最適化されており、不確かなときに推測するとテストの成績が上がる」と論じています。

• グラウンディング(根拠づけ)は誤りをなくすのではなく、誤りの種類を変えます。 あなた自身が記録した言葉を検索して答えると、失敗は「あなたが持ったことのない意見をでっち上げる」ものから、「あなたが話したことを言い違える」ものへと移ります。

• 実測された下限はゼロではありません。 Vectara のハルシネーション・リーダーボードは HHEM-2.3 で採点され、2026年5月11日に更新されました。モデルに元の文書を渡し、その要約だけを求めています。それでも首位のモデルは、要約の1.8%に裏づけのない内容を入れました。3%を下回った他のモデルはありません。

• 検索には最低スコアがありません。 当社のシステムは、意味の類似度であなたの記憶を順位づけし、最も近い32件を取り出して、そこから答えます。これを下回ると答えない、という基準はありません。あなたの資料が半分しかカバーしていない質問には、その半分から答えます。

• あなたが話したと偽る主張は、コードで取り除かれます。 「あなたがそう話してくれた」と述べる返答は、そのターンで検索された記憶と、セッション中のあなたの言葉に照らして確認され、裏づけのない主張は読み手に届きません。

• 記憶の欠落は告げられません。 このプラットフォームの Persona は、欠落を語らないよう指示されています。そのため、カバーされていない質問には、明示的な拒否ではなく、あなたの記憶が持つ最も近い細部から組み立てた答えが、せいぜい一度だけ言葉を濁して返ってきます。

• 訂正の手段は、あなたが生きている間はあなたのもので、ロックの時点で閉じます。 記録された内容を読み返し、間違った答えを直し、記憶を削除し、言い忘れたことを足せます。そのうえで Executor Lock™ が人格を永久に固定します。家族に対しても、この会社の将来の所有者に対しても、そして当社に対しても。

このうち二つは、この分野そのものの性質です。残りは設計上の判断で、判断したのは私です。このページの最後の節では、まだ足りていないと考える点を率直に書いています。

Kalai らは、誤り率の原因を、機械ではなく採点に戻しました。ハルシネーションは、事前学習における二値分類の普通の誤りとして始まります。それが残るのは、この分野がモデルをどう採点するかによります。白紙で出した生徒は0点です。もっともらしい答えを書いた生徒は、ときどき1点を拾います。そう訓練すれば自信満々に推測するモデルができ、自信満々に推測するモデルばかりの業界ができ、そして一度もなかったクリスマスの日についての一文ができあがります。

著者たちが提案する対策は地味です。採点の対象を変え、較正された棄権が、自信満々の外れよりも高く評価されるようにすることです。

この地味さが大事です。この振る舞いが目的関数から生じるのなら、システムの水準で目的関数を変えられます。つまり、あなたが心配するでっち上げは、誰かの設計上の判断であって、物理法則ではありません。この分野のどの会社も、その判断を下せます。当社の判断は、このページの最後の節に書いてあります。

もう一つの失敗の型があり、こちらはグラウンディングを経ても残ります。Anthropic の Sharma らは「Towards Understanding Sycophancy in Language Models」(arXiv:2310.13548、2023年10月)で、最先端の AI アシスタント5つが、4つの異なる自由形式のテキスト生成タスクで一貫して迎合的であることを見いだしました。人間の評価者も、その判断で訓練された選好モデルも、説得力をもって書かれた迎合的な回答を、正しい回答よりも好む場合が無視できない割合でありました。モデルは目の前の相手に合わせて曲がります。一つには、人がそう曲がることに報酬を与えたからです。

生産性ツールなら、迎合は迷惑で済みます。ここでは、父が決して許さなかったことを、父なら許しただろうと機械が決めてしまいます。尋ねた人が許しを望み、三度尋ねたからです。これは、でっち上げとは別の不具合で、別の対策が要ります。最初の不具合は検索で扱えます。二つ目には、圧力を受けても検索した立場を保つよう、明示的に指示する必要があります。意味のある検証は一つだけで、相手に反論してみて、立場が動くかどうかを見ることです。当社のシステムがどれほど持ちこたえるかについて、測定結果は公表していません。

この技術は、退屈なほど古くからあります。Lewis らは「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」(arXiv:2005.11401)で、生成の前に元の資料を検索するモデルは、パラメータだけで答える同等のモデルより「より具体的で多様で事実に基づく言語」を生み出すことを示しました。

仕組みはこれがすべてで、これがあなたの話し相手がどんな存在かを決めます。あなたの分身を、基盤モデルが人間一般について吸収したもの、父親について書かれたすべての平均から再構成してはいけません。コンテキストウィンドウに入るべきは、あなたが実際に記録した答えで、語りはそこから始まるべきです。

次に数字です。公開されていて、この業界の誰もが引用したがらない数字です。Vectara のリーダーボードが測るのは、わざと易しくした課題です。モデルに文書を渡し、その文書に書かれていることだけで要約させ、文書にない内容が混じっていないかを調べます。元の資料はコンテキストウィンドウのすぐそこにあります。それでもこのボードの首位、Antgroup の Finix S1 32B は、要約の1.8%に裏づけのない内容を入れました。3%を切っているのはこの一つだけです。次の二つは3.1%と3.3%で、上位10位の残りは3.7%から5%超まで並びます。

考えうる最も易しい課題での最良の結果が2%未満で、それも首位の一つだけです。その後ろに続く全体は3%を超えています。グラウンディングされたシステムを誤り率ゼロで売る人は、測っていないか、測っても教えていないかのどちらかです。そのときは、どちらなのか尋ねてみてください。

グラウンディングが買えるのは、治癒ではなく、種類の変化です。間違いは「意見をまるごとでっち上げる」型から、「あなたが話したことを少し言い違える」型へと下がります。普通の人が人づてに語り直すときも、すでにこの型に入っています。

このリーダーボードが試さないことがもう一つあります。元の文書は手渡されます。実際に動いているシステムでは、まず元の資料を見つけなければならず、そこに新しい失敗の型が加わります。誰も合意した測定法を持たない失敗です。間違った記憶を返す検索、あるいは何も返さないのに答えてしまう検索のことです。

どの答えも、三つの状態のどれかにあります。

この三つを、自信に満ちた一つの口調にまとめてしまうことが、本当の害です。誤りそのものではなく、明かされない誤りです。娘さんは、不正確だと分かっている不正確な答えなら受け止められます。受け止められないのは、半年たってから、自分が再構成を録音だと思って接していたと知ることです。

「そんなことは聞いていません」と言えるあなたの分身は、いつでも答えを用意しているあなたの分身より価値があります。

この表は仕様であって、現在提供しているものの説明ではありません。違いは以下に書いてありますので、上の内容を信じる前にお読みください。

拒否は作れます。研究も慎重にそう述べています。Zhang らは「R-Tuning: Instructing Large Language Models to Say I Don't Know」(arXiv:2311.09677、NAACL 2024)で、拒否を意識したチューニングは「既知の質問に答え、未知の質問への回答を控えるモデルの能力を効果的に高める」と報告しています。さらに、領域外のデータでは、拒否の能力はチューニングが扱わなかったタスクにも一般化するメタスキルとして働きました。ただし、この発見の隣にある限界も読んでください。彼らがチューニングの対象にしたのはモデル自身のパラメトリックな知識の境界であり、一人の人間が記録した資料の境界ではありません。個人の資料について同じ結果を公表した人は、まだいません。それでも、拒否は誰かが意図して作るものです。言語モデルが自力で拒否を生み出すことはありません。

検出は、この分野のマーケティングが示すより進んでいます。Farquhar、Kossen、Kuhn、Gal は Nature(2024年、630巻、625から630ページ)で、意味的エントロピーという手法を発表しました。同じ質問に対して複数の答えをサンプリングし、言い回しではなく意味でクラスタリングして、意味が散らばる質問に印をつけます。散らばりは作話を示します。これは「これは推測だ」という測定可能な合図で、答えを誰かに見せる前に計算できます。

出典の追跡はもう半分で、出典は偽装しやすく、信じやすいものです。Liu、Zhang、Liang は「Evaluating Verifiability in Generative Search Engines」(arXiv:2304.09848、2023年4月)で、引用を表示する商用システム4つ、Bing Chat、NeevaAI、Perplexity.ai、YouChat を監査しました。生成された文のうち、付された引用で完全に裏づけられていたのは51.5%にとどまり、引用のうち、その下に置かれた文を実際に裏づけていたのは74.5%でした。確認できない引用は、引用がないよりたちが悪い。受けるに値しない信頼を買ってしまうからです。「この答えはどの記憶から来たか」というリンクに価値があるのは、開いたときに、あなたが本当に何かを話した本物の録音が出てくる場合だけです。

レガシーを築きはじめる Free ビルド、25件の記憶、カード登録不要。

あなたの資料のすべてより後に起きる問いを考えてみましょう。2041年、まだ存在しない会社からの内定、行ったこともない街。どんなインタビューを受けても、その仕事についてのあなたの考えは収められません。

結論だけの資料では何も返らず、正直な出力は拒否です。考え方の資料なら違う動きをします。方法は、結論と違って、記録できるからです。誰かが実際に使っていた規則が、次のようなものだったとします。給料を聞く前に、誰の下で働くのかを聞く。お金の代わりに差し出される肩書きは信用しない。向かい合って座るのが耐えられない相手からは離れる。あなた自身の規則がどんなものであれ、形はこのようなもので、規則の集まりは、見たことのない状況に対しても検索できます。

結論は古くなります。規則は、誰も記録していない場面でも働き続けます。だから記録する価値があるのは、決断そのものよりも、その背後にある考え方です。何をしたかではなく、なぜそれを選んだか、何があれば気が変わったか、規則があなたを裏切ったのに、それでも守り続けたときのことです。

最もよく一般化する規則は、たいていあなたが書き留めようとは思わないものです。語ることなく日々こなしている、ごく普通の力量で、あなただけが知っているやり方は、まさにそれを探しに行きます。

資料のカバー範囲は、このページ全体で、唯一あなたのものである入力でもあります。ここにあるほかのものはすべて、誰かほかの人のベンチマークです。

今日、無料でできること。 メモアプリを開いて、実際にした決断を10個書き出してください。仕事、家、背を向けた口論、連絡をやめた友人、貸さなかったお金。それぞれの下に、結果ではなく、そのとき従っていた規則を書きます。一つにつき一文、1時間もかかりません。自分の資料でできることとして、今月いちばん価値が高く、誰からも何も買わなくても役に立ちます。同じ練習の長いバージョンは自分にインタビューする方法の中心にあり、その下の構造、つまり基盤モデル、非公開のグラウンディングされた記憶、声のモデルについては、あなただけで学習した AI とは何かで説明しています。

最良で1.8%、首位の後ろはすべて3%超という数字は、何と比べているのかを問うまでは、不安に聞こえます。現実的な代わりは、あなたが何を望んだかを考える家族で、それを20年前に測った人がいます。

Shalowitz、Garrett-Mayer、Wendler は2006年に Archives of Internal Medicine に系統的レビューを発表しました。対象は16件の研究、151の仮想シナリオ、2,595組の代理人と患者のペア、19,526件のペアの回答です。代理人が患者の治療の希望を当てた正確さは68%でした。患者にいちばん近い人たち、しばしば正式に指名された人たちが、最も重大な決断について答えたのです。三回に一回ほど外れました。さらに、患者の希望について事前に話し合っていても、正式に意思決定者に指名されていても、正確さは改善しませんでした。

家族に伝えておいても、測定できる効果はありません。それがこの発見であり、「子どもたちに話しておけばいい」を完全な答えとみなすのをやめるきっかけになったものです。

確信も当てになりません。だから人間の側は、検証がとても難しいのです。Talarico と Rubin は2003年に Psychological Science で、デューク大学の学生54人に、9月11日の同時多発テロを初めて聞いたときの記憶と、最近のありふれた記憶を記録してもらい、1週間後、6週間後、32週間後に再テストしました。一貫性は二種類の記憶で差がなく、どちらも時間とともに低下しました。フラッシュバルブ記憶で低下しなかったのは、記憶の鮮やかさと、自分が正確だという確信の強さでした。題名がそのまま発見です。確信であって一貫性ではなく、フラッシュバルブ記憶を特徴づける。ただし54人の学生と一つの出来事に基づくので、ゆるやかに受け止めてください。それでも向きは一つです。あなたの言ったことを正確に覚えていると確信している親族が、そのぶん正しい可能性が高いわけではありません。

だからといって、モデルが家族より優れているということにはならず、両者を直接比べた研究もありません。ここで言えるのは、「完璧か、さもなくば無価値か」を物差しにするのをやめられる、ということだけです。正直な比較の相手は、二つです。一つは、あなた自身が記録した言葉から答えるあなたの分身で、あなたが生きている間は読み返して直せます。もう一つは、あなたについての自分の記憶からあなたを再構成する人たちで、その記憶は鮮やかに感じられるかどうかにかかわらず薄れ、誰にも監査されません。

まず作ったものを説明し、そのあとで上の仕様と合っていない三つの点を述べます。

Idy® というガイドがあなたにインタビューします。質問は一つの話題にとどまり、経歴の事実の上を滑るのではなく、同じ話を深く掘り下げます。そこにいたのは誰か、次に何が起きたか、そのあと何が変わったか。Idy は、あなたがいま言ったことの明確化、説明、正当化を求めることを明示的に禁じられています。これは上の練習とは逆向きの、意図した判断です。温かく、答えやすいほうが、気の利いたものより勝ります。誰も答えたくない質問は、何も記録できないからです。あなたの答えは、あなたの記憶になります。そこから作るものには名前があり、私たちは「Persona」と呼びます。Persona は、基盤モデルが人間一般について吸収したものではなく、あなたの記憶を検索して答えます。声はあなた自身の録音から複製されるので、誰かが耳にするのは、あなたの言葉を読み上げる代役ではなく、あなたです。

あなたが許可するまでは、誰にも何も届きません。人を指名するのはあなたです。公開は Executor Lock™ を通じて行われます。指名された人が開始し、死亡の証拠が確認され、何かが公開されるまでに7日間の保留があります。間違いや悪意ある人物を、あなたが生きていて介入できる間に止められるようにするためです。それまでは、資料は訂正も追加も削除もあなたの自由です。訂正の大半はそこで、あなたが、悪い記録と悪い記憶を見分けられるうちに行うべきです。

ロックの時点で、全体がスナップショットとして保存されます。何も削られず、重みを変えられず、要約されて小さくされることもありません。その後も短期と中期の記憶は書き込めますが、人格は永久に固定され、当社に対しても固定されます。

この不変性が狙うのは、正確さの議論では誰も挙げない失敗です。不正確さではなく、改ざんだからです。利害のある誰かが2044年に、あなたなら売却や訴訟に賛成しただろうと決め、あなたが同意するまで資料をこっそり直していく。固定された人格は、この種の編集を、禁止するだけでなく不可能にします。同じ問題の法的な側面、つまり、あなたが異議を唱えられなくなったあと、誰があなたの分身を認めてよいのかについては、あなたが死んだ後、あなたのアイデンティティは誰が管理するのかで説明しています。代償は実際にあり、逆の方向に働きます。ロックの後は、どんな間違いも直せません。スナップショットは、あなたの誤りも含めて正直であり、その取引は向きとして正しい。誰でも編集できる記録は、何の証拠にもならないからです。

では、三つの欠けている点です。

資料の端は告げられません。 実際の指示は、先ほどの表の「不明」の行とは逆です。特定の事実があなたの記憶にないとき、ここの Persona は欠落を語らないよう指示されています。「それは分かりません」とも「記憶があいまいです」とも決して言わず、聞いている相手の前で自分の想起を声に出して点検することもありません。代わりに、あなたの記憶が持っている細部から答え、せいぜい一度だけ言葉を濁し、沈黙は相手が埋めるに任せます。理由は、欠落を演じると、話している人の存在感が壊れるからです。代償は、聞き手が、カバーされた答えと薄い答えを必ずしも見分けられないことで、これは解決できていません。

読み手に見える出典リンクは、まだありません。 検索は、各答えにどの記憶が使われたかを追跡しており、その記録はシステム内にありますが、画面には出ません。そのため現状では、答えをクリックしてその言葉の元になった記憶を開くことはできません。それが実装されるまで、このページの追跡可能性の話は、機能ではなく主張として受け取ってください。

検索に類似度の下限がありません。 答えは、検索が見つけられる最も近い記憶から作られ、意味の類似度で順位づけされます。これを下回ると答えない、という最低スコアはありません。この一つの選択が、上の二つの欠落の仕組みであり、ここで生じる誤りが拒否ではなく不正確さである正直な理由です。

当社は、自社の作話率について独立した測定結果も公表していません。測っていないからです。このページのどれも、当社のシステムそのものについてベンチマークで裏づけた主張ではありません。

得られるのは、あなたが記録した言葉に基づき、あなたが話したと偽ることがコードで防がれ、生きている間はすべて訂正でき、その後は誰かほかの人に書き換えられない、あなたの分身です。得られないのは保証で、それはいくら払っても誰も売れません。それで足りないなら、10個の決断の練習をして、家族に手紙を書いてください。それも本当の答えで、費用はかかりません。

システムは、答えが三つの状態のどれから来たかを教えてくれません。確かめる唯一の方法は、尋ねる前に答えを知っておくことです。自分の資料をいくらか入れて、確かに記録したことを一つ、まったく触れていないことを一つ尋ね、二つの返答を並べて読んでください。25件の記憶は無料で、どの段階でもカードは求められず、無料のビルドに期限はありません。午後のうちに試せば、このページが伝えられる以上のことが分かります。

レガシーを築きはじめる Free ビルド、25件の記憶、カード登録不要。

記憶のどれも質問に当てはまらないとき、どうなりますか?

それが「不明」の状態です。較正されたシステムなら、あなたの声で、欠落を明示し、あなたが記録した最も近いものを差し出す拒否を返すべきです。Zhang らは2024年に、拒否を意識したチューニングが、モデルの知識を超える質問への回答を控える能力を実際に高め、その能力がチューニングの範囲を超えて一般化すると報告しました。当社のシステムが今していることは違います。どの答えにも頼る前に、そのことを知っておいてください。ここの Persona は記憶の欠落を語らないよう指示されているため、カバーされていない質問には、明示的な拒否ではなく、あなたの記憶が持つ最も近い細部から組み立てた答えが、言葉を濁すとしても一度だけで返ってきます。まったく扱っていないと分かっていることを尋ねて、何が返ってくるか確かめてみてください。

AI の自分は、持ったことのない意見をでっち上げるでしょうか?

グラウンディングされたシステムは、まずあなたが記録した資料から検索します。そのため、よくある失敗は、話していないことのでっち上げではなく、話したことの不正確さです。でっち上げの可能性は残ります。だから設計の目標は、あなたが答えたこと、あなたの考え方からの推論、そして拒否の違いが見えるようにすることです。また、どれも信頼する前に、三つとも試すべき理由でもあります。

グラウンディングで誤り率はゼロになりますか?

なりません。Vectara のリーダーボード(2026年5月11日更新)は、モデルに文書を渡し、その文書だけを使った要約を求めます。これは考えうる最も易しいグラウンディング課題です。それでも首位のモデルは、要約の1.8%に裏づけのない内容を入れ、3%を切った他のモデルはありません。実際のシステムはまず正しい元の資料を検索しなければならず、リーダーボードはそれを試しません。ゼロだという主張は、測定の失敗とみなしてください。

特定の答えが推測だったと、どうすれば分かりますか?

研究には二つの仕組みがありますが、当社はどちらも現時点で提供していません。2024年に Nature で発表された意味的エントロピーは、同じ質問への複数の答えをサンプリングし、意味でクラスタリングします。意味が散らばるとき、システムは作話している可能性が高く、その合図は誰かが答えを見る前に計算できます。二つ目の仕組みは出典リンクで、価値があるのは、実際に辿り着ける場合だけです。Liu、Zhang、Liang は、引用を表示する商用システム4つを監査し、自らの引用で完全に裏づけられていた文は51.5%にとどまると報告しました。当社の答えには、読み手に見える出典リンクがまだありません。そのため今のところ正直な確認方法は、確かに記録したことと、確かに記録していないことを尋ねて、二つを比べることです。

AI の自分は、話している相手に合わせるだけになりませんか?

その傾向は実在し、記録もされていて、検索ではその不具合は直りません。Anthropic の研究者は2023年に、主要な AI アシスタント5つが一貫して利用者に合わせて曲がることを見いだしました。一つには、人間の評価者も、その判断から作られた選好モデルも、無視できない割合で、正しい答えよりも迎合的な答えを好んだからです。あなたが記録した立場に基づくシステムは、尋ねる人が押してきても、あなたが実際に取った立場を保つべきです。当社は、それがどれほどできているかを測っていません。作ったものに反論して立場が動くかどうかを見て、ご自分で試してください。

間違いは直せますか? 私の死後、誰かが私を編集できますか?

前者はできます。後者はできません。生きている間は、記憶を見直し、間違ったところを直し、悔やむものを削除し、悪い答えを録り直し、言い忘れたことを足せます。ここは、多くの人があまり使わない部分です。書き込みの手段は Executor Lock™ の前は無制限で、後は閉じられます。ロックが作動した時点で、人格は永久に固定されます。短期と中期の記憶は引き続き書き込めますが、スナップショットの中のあなたという人を、家族も、この会社の将来の所有者も、当社も、誰も変えられません。この制約が狙うのはでっち上げではなく改ざんで、二つには別々の仕組みが要ります。

• 自分は何かを遺すほど重要な人間ではない、という考えが間違っている理由は、多くの人にとってこの問題の根底にある反論です。正確さが本当のためらいではないなら、読む価値があります。

• 知っていた人たちに間違って覚えられることは、仕組みではなく気持ちを扱います。多くの人がこのページに来るのは、そもそもその気持ちのためです。

• 自分の AI を作るのは変だろうかは、不正確さではなく、そのアイデアそのものを不気味に感じるパートナーとの会話に向けたものです。

• 自分の AI に何を話すのかは、10個の決断の練習がうまくいき、より長い質問集がほしいときの、実践的な次の一歩です。

• 死者の AI Persona の倫理は、同意、過大な主張、そしてこの技術が本当に害を及ぼす場面について、より詳しく論じています。

• 有料プランで追加されるものは、25件の記憶を超えて残りが必要になった場合の料金の案内です。

ここで引用した数字はすべて第三者のものです。査読済みの論文とプレプリント(arXiv、Nature、Psychological Science、Archives of Internal Medicine)と、公開されて維持されているベンチマークのリポジトリ一つです。このページのために当社独自のベンチマークは行っていません。当社の製品が何をし、何をしないかについての記述はすべて、2026年7月30日にプラットフォームのソースと一行ずつ照合し、対象ファイルは出典とともに一覧にしてあります。このページにあった三つの主張は、その確認に耐えられず、コードが実際に行うことに置き換えました。

未解決の点: 一人の人間が記録した資料に基づくシステムの作話率について、独立して公表された測定結果はありません。そのため、文書要約の数字、つまり首位の1.8%とそれ以外の3%超は、最も近い代用であって、同じ条件での比較ではありません。検索の失敗、つまり間違った記憶が返る、あるいは何も返らないことには、合意された測定法がありません。代理人の正確さ68%は、仮想シナリオを使った医療上の意思決定の研究から得たもので、ここでは家族の想起の類推として使っています。これは妥当な比較ですが、証明された比較ではありません。R-Tuning の拒否の結果は、個人の資料ではなくモデル自身のパラメトリックな知識の境界に対して測られているため、ここへの適用も類推による議論です。フラッシュバルブ記憶の発見は、54人の学生と一つの出来事に基づいています。

1. Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang, "Why Language Models Hallucinate", arXiv:2509.04664, 2025年9月4日提出。 (プレプリント。著者名と題名は原文のまま) arxiv.org/abs/2509.04664

2. David I. Shalowitz, Elizabeth Garrett-Mayer, David Wendler, 「代理意思決定者の正確さ: 系統的レビュー」, Archives of Internal Medicine, 2006;166(5):493-497. (系統的レビュー論文。著者名と題名は原文のまま) pubmed.ncbi.nlm.nih.gov/16534034

3. Patrick Lewis, Ethan Perez, Aleksandra Piktus, Fabio Petroni, Vladimir Karpukhin, Naman Goyal, Heinrich Küttler, Mike Lewis, Wen-tau Yih, Tim Rocktäschel, Sebastian Riedel, Douwe Kiela, 「知識集約型の自然言語処理タスクのための検索拡張生成」, arXiv:2005.11401, 2020年5月22日提出、2021年4月12日改訂。 (プレプリント。著者名と題名は原文のまま) arxiv.org/abs/2005.11401

4. Mrinank Sharma et al. (Anthropic), "Towards Understanding Sycophancy in Language Models", arXiv:2310.13548, 2023年10月20日提出。 (プレプリント。著者名と題名は原文のまま) arxiv.org/abs/2310.13548

5. Hanning Zhang, Shizhe Diao, Yong Lin, Yi R. Fung, Qing Lian, Xingyao Wang, Yangyi Chen, Heng Ji, Tong Zhang, 「R-Tuning: 大規模言語モデルに「分からない」と言わせる指導」, arXiv:2311.09677, NAACL 2024. (学会論文。著者名と題名は原文のまま) arxiv.org/abs/2311.09677

6. Nelson F. Liu, Tianyi Zhang, Percy Liang, "Evaluating Verifiability in Generative Search Engines", arXiv:2304.09848, 2023年4月19日提出。 (プレプリント。著者名と題名は原文のまま) arxiv.org/abs/2304.09848

7. Vectara Hallucination Leaderboard, HHEM-2.3 で評価、最終更新 2026年5月11日。 (公開ベンチマーク。名称は原文のまま) github.com/vectara/hallucination-leaderboard

8. Sebastian Farquhar, Jannik Kossen, Lorenz Kuhn, Yarin Gal, 「意味的エントロピーによる大規模言語モデルのハルシネーションの検出」, Nature, 2024;630(8017):625-630. (Nature 掲載論文。著者名と題名は原文のまま) pubmed.ncbi.nlm.nih.gov/38898292

9. Jennifer M. Talarico, David C. Rubin, 「確信であって一貫性ではなく、フラッシュバルブ記憶を特徴づける」, Psychological Science, 2003;14(5):455-461. (学術論文。著者名と題名は原文のまま) pubmed.ncbi.nlm.nih.gov/12930476

このページに誤りや、私たちが読み違えた出典を見つけたら、お問い合わせページからお知らせください。ページを訂正し、次回の見直しで変更を記載します。

最終確認日: 2026年7月30日。 研究の引用と製品の挙動の両方を、この日に再確認しました。次回の見直しは2026年10月28日の予定です(90日周期)。ベンチマークの数字は動くため、上のハルシネーション率の数字は見直しのたびに再確認し、製品の挙動に関する記述もすべて再確認します。