クロスコンテキスト・レビュー: 生産セッションとレビューセッションを分離してLLM出力品質を向上させる

大規模言語モデルは、同じセッションで自らの出力の誤りを見逃しやすい。レビューが生成と同じセッションで行われるときに生じる。本論文はクロスコンテキスト・レビュー（CCR）を導入する。CCRは、生成履歴へアクセスできない新しいセッションで行われる、直截の方法である。我々は管理された実験を実施した。30件のアーティファクト（コード、技術文書、プレゼンテーション原稿）に対し、150個の注入エラーを加え、4つのレビュ条件――同一セッション内自己評価（SR）、反復自己評価（SR2）、文脈認識サブエージェント評価（SA）、およびクロスコンテキスト・レビュー（CCR）――の下でテストした。360件を超えるレビューの間、CCRはF1スコア28.6%に達し、SR（24.6%、p=0.008、d=0.52）、SR2（21.7%、p<0.001、d=0.72）、SA（23.8%、p=0.004、d=0.57）を上回った。 SR2の結果は解釈にとって最も重要である：同じセッション内で2回レビューしても1回には及ばなかった（p=0.11）、CCRの優位性を説明する因子としての反復を排除する。その利点は、文脈の分離そのものに由来する。CCRはどのモデルとも機能し、インフラストラクチャを必要とせず、追加のセッションはわずか1回で済む。