Beyond Prompt：確率的ステアリングによる認知障害をもつ標準化患者のきめ細かなシミュレーション

arXiv cs.AI / 2026/4/15

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、認知障害をもつ標準化患者をスケーラブルかつ倫理的にシミュレーションする手法StsPatientを提案する。
従来の離散的なプロンプトエンジニアリングを超え、指示と応答の対比に基づくことで、きめ細かなドメイン固有のステアリングベクトルを学習する。
本アプローチでは介入確率を制御するためにStochastic Token Modulation（STM）を追加し、ベクトルベースの従来手法と比べて安定性の向上を目指す。
実験では、基準となる手法と比較して臨床的な真正性が改善し、障害の重症度に対する制御性もより良好であることが報告されている。

Abstract

認知障害のあるスタンダード・ペイシェント（模擬患者）をシミュレートすることは、臨床トレーニングに対するスケーラブルかつ倫理的な解決策を提供します。しかし、既存の手法は離散的なプロンプトエンジニアリングに依存しており、さまざまな領域における欠損の多様性や、重症度レベルの違いを十分に捉えられていません。この制約に対処するため、我々は認知障害のある患者をきめ細かくシミュレートするための StsPatient を提案します。私たちは、指示と応答の対照ペアからステアリングベクトルを抽出することで、領域固有の特徴を独創的に捉えます。さらに、介入確率を制御するための確率的トークン・モジュレーション（STM）機構を導入します。STMにより、従来のベクトル手法に伴う不安定性を抑えつつ、障害の重症度を正確に制御できます。包括的な実験により、StsPatient が臨床的な真正性と重症度の制御可能性の両面でベースラインを大きく上回ることが示されます。