2026年4月23日から27日にかけてブラジル・リオデジャネイロで開催された深層学習のトップカンファレンス「ICLR（International Conference on Learning Representations） 2026」。採択論文5357件の中から、注目の論文を紹介する。
ICLR 2026ではOutstanding Paper（優秀賞）として2本の論文が選出された。1本目は「LLMs Get Lost In Multi-Turn Conversation（大規模言語モデルは複数ターンにわたる会話で混乱する）」。LLM（大規模言語モデル）に複数のやり取り（ターン）にわたってプロンプト（指示文）を入力すると、回答能力と信頼度が劣化することを明らかにした。この論文は2026年2月にSNS上でも注目を集めた。AI（人工知能）と会話形式で作業を進める場面が増えるなか、1つ大きな課題を示した。
実証ではひとまとまりのプロンプトを分割（シャーディング）し、指示を少しずつ与えてタスクを解かせた。すると試したすべてのLLMにおいて、1ターンで回答させたときよりも精度が下がることを確認したという。
原因は幾つか考えられるとしている。例えば情報がそろっていないにもかかわらず、モデルが回答の予測を早く立てすぎている可能性がある。あるいは精度の悪い回答予測であっても排除し切れず、モデルが「膨張」している可能性もある。他にも、中間のターンで与えられた情報を軽視したり、冗長に回答しすぎていたり、といった原因が考えられる。
複数ターンでLLMの回答精度が劣化すると考えられる原因
（出所：「LLMs Get Lost In Multi-Turn Conversation」の発表ポスター）
[画像のクリックで拡大表示]
次のページ
筆頭著者である米MicrosoftResearc...この記事は有料会員限定です
