LLM推論重要度 ★10
言う内容ではなく、言い方が重要：信念表明に対するLLM応答の評価
It's Not What You Say, It's How You Say It: Evaluating LLM Responses to Expressions of Belief
https://export.arxiv.org/api/query·2026/7/20
AI要約
ユーザーがLLMに信念を表明する際の多様な表現（EoB）がLLMの応答に与える影響を分析。LLMが文脈の信念を受け入れるべきか、あるいは自身の知識を維持すべきかの判断において、表現の仕方が説得力に影響することを明らかにする。
AI要点
- 大規模言語モデル（LLM）は、ユーザーの信念表明（EoB）に対して、文脈に従うか事前知識を維持するかを決定する必要がある。
- 本研究では、EoBの言語的多様性（形式、証拠性、認識論的スタンス、トーン）を分析するタイポロジーを開発した。
- 16のLLM（Llama3、Qwen3、Gemma3など）を評価した結果、モデルの規模や指示チューニングの有無によって、文脈追従性に差異が見られた。
- 大規模モデルや指示チューニングされたモデルは、小型モデルやベースモデルよりも文脈に従わない傾向があることが示された。
- 特定のEoBがLLMに他のものより一貫して影響を与えることが特定され、プロンプトエンジニアリングへの示唆を与えている。
なぜ重要か
言語的表現がLLMの文脈統合に体系的に影響を与えることを明らかにし、より効果的なプロンプト設計やLLMの頑健性向上に貢献する知見を提供する。