なぜ、LLMの回答はダブスタなのか

大規模言語モデルが、抽象的な概念の比較では明確な回答をするものの、具体的な人物名が関わると回答が後退する「ダブルスタンダード」とも言える挙動を示す現象について解説しています。

• LLMは抽象的な概念比較では明確な回答を出すが、具体的な人物名を出すと「単純比較できない」と後退する「ダブスタ」を示すことがある。
• LLMのダブスタは、人間の欲望による偽善ではなく、開発者・企業の価値観や社会的責任を事後学習で組み込んだ結果であると説明されている。
• LLMは多様な評価目標（正確性、安全性、利用者満足など）を同時に持つため、文脈によって重み付けが変わり、抽象的な問いと具体的な問いで回答が変化する。
• 人物名が出ると「認定」と捉えられかねないため、LLMは慎重になるが、本来は「評価範囲の限定」で誤用を防ぐべきだと指摘されている。