プレッシャー下での論理的判断：学習済みソフトプレフィックスによる三段論法の安定性の診断

学習済みソフトプレフィックスを用いて、論理的推論における「強圧下」での判断安定性を診断する手法を提案。ソフトプレフィックスが論理形式やインターフェースの変動にどのように影響するかを分析し、学習された文脈圧力が正しい判断をどのように上書きするかを解明する。

• 学習済みソフトプレフィックスが、Qwen3.6-35B-A3B MoE、Qwen3-8B、Gemma 4 31Bモデルの論理的判断を誤った方向へ誘導することが判明した。
• ソフトプレフィックスは、モデルの内部状態を変化させることで、論理的な推論能力を低下させる影響を与える。
• Qwen3.6 MoEモデルでは、72%から90%の回答率の変動が見られ、Gemmaモデルでも54%から56%の誤答率上昇が観測された。
• この効果は、特定の記号強制ではなく、回答の意味に対する広範な選択バイアスに起因することが示唆されている。
• モデルごとに、このバイアスの現れ方に違いがあることが確認された。