NRR-Phi：曖昧性を保持するためのLLM推論におけるテキスト→ステート写像

概要: 大規模言語モデルは、初期段階で意味にコミットするという体系的な傾向を示します。曖昧な入力が与えられた場合、それらは十分な文脈がまだ利用可能でないうちに、複数の妥当な解釈を単一の応答へと収束させます。この時期尚早な収束は、対話が進展するにつれて重要になり得る情報を捨て去ってしまいます。本稿では、テキストから状態へのマッピング（φ: T -> S）のための形式的枠組みを提示します。この枠組みは、自然言語を「収束しない（collapseしない）」状態空間へと変換し、複数の解釈が同時に共存できるようにします。マッピングは3つの段階に分解されます: 対立（コンフリクト）の検出、解釈の抽出、状態の構築です。私たちは、φを、明示的な対立マーカーに対するルールベースのセグメンテーションと、暗黙の曖昧性のLLMベース列挙とを組み合わせるハイブリッドな抽出パイプラインとして実装します。68の曖昧文からなるテストセットでは、その結果得られた状態が、解釈の多重性を保持します: ハイブリッド抽出では、曖昧性カテゴリ全体で平均状態エントロピー H = 1.087 bits が得られます。一方、単一の解釈へコミットする収束ベースラインでは H = 0 です。また、日本語のマーカーに対してルールベースの対立検出器を実装し、言語をまたいだ移植性を示します。この枠組みは、テキストからNRR（Non-Resolution Reasoning）状態空間へのアルゴリズム的な橋渡しを提供することで、Non-Resolution Reasoning（NRR）を拡張し、LLM推論におけるアーキテクチャ的な収束の先送りを可能にします。状態から状態への変換に関する設計原則は付録で詳述されており、580件のテストケースで経験的な検証が行われています。原則を満たす演算子では収束が0%であるのに対し、原則に違反する演算子では最大17.8%です。