プロンプトの複雑さは構造化推論を希薄化する：洗車問題に関するフォローアップ研究

要約: 先行研究 [Jo, 2026] では、STAR 推論（状況、課題、行動、結果）は Claude Sonnet 4.5 で車の洗浄問題の正解率を0%から85%へ、追加のプロンプト層を用いると100%へ引き上げました。このフォローアップは、STAR が本番系のシステムプロンプトでも有効性を維持するかを問います。
私たちは InterviewMate の 60 行超の本番用プロンプトの中で STAR をテストしました。これは、スタイルガイド、形式指示、プロフィール機能を反復的に追加して進化させてきたものです。Claude Sonnet 4.6 での3条件、各20試行: (A) Anthropic プロフィールを含む本番用プロンプト、(B) デフォルトプロフィールを含む本番用プロンプト、(C) 元の STAR のみのプロンプト。C は100% のスコア（n=100 で検証）。A と B は0%と30%だった。
プロンプトの複雑さは構造化推論を希薄化します。STAR は分離時に100%を達成しますが、競合する指示に囲まれると0-30%へ低下します。その仕組み: 「具体的な点を挙げて」などの指示は結論を先に出す出力を強制し、STAR を効果的にする「理由→結論」という順序を逆転させます。あるケースでは、モデルは「短い回答: Walk.」と出力し、その後 STAR 推論を実行して制約を正しく特定しました。これにより、モデルは正しく推論できたことが証明された一方、すでに誤った答えに固まってしまっていました。
モデル間の比較は、STAR のみが 85%（Sonnet 4.5）から100%（Sonnet 4.6）へ、プロンプト変更なしで改善したことを示しており、モデルのアップグレードが分離時の構造化推論を高めることを示唆しています。
これらの結果は、構造化推論フレームワークを、孤立したテストから複雑なプロンプト環境へ移転することを前提にはできないことを示唆しています。モデルが推論し結論を出す順序は、設計上の第一級の変数です。