iwashi / Yoshimasa Iwase(@iwashi86):LLMに回答の自信度を数値化させるのは無意味では、という主張。・LLMに0から100の自信度を出力させる手法がよく見られる・しかし、LLMに自信度を自己評価させるのは完全に無意味・科学的な根拠はなく、出力が信頼できそうに見えるだけの心理的なトリック・Anthropicの研究などで、モデルが内省的な認識を持つことは確認されている・ただ、それは実験環境での話であり、実際の出力の正しさを評価できるレベルにはない・思考プロセスを用いて自己評価させても「その自信度の自信度は？」という無限ループに陥る・実際にDeepMindの論文でも、外部フィードバックなしの自己修正は性能を低下させることが示されている・現在のモデルは、自らの状態を定量化できるほど自分自身を理解していない・そもそも、スコア化しようとする自信の定義が極めて曖昧・回答の正確性なのか、一貫性なのか、ユーザーの目的を満たそうとしているのか・全く異なる次元の問題を単一の数値に押し込めるのは無理がある

iwashi / Yoshimasa Iwase

@iwashi86

NTTドコモビジネスでEM(育休中)。その他に、早稲田大で非常勤講師、#fukabori#.fmの中の人、書籍翻訳者。 AI、マネジメント、Dev、PdM、Agile、HRに関する学びをポストしています。発言は個人の見解であり、所属する組織の公式見解ではありません。 Amazonアソシエイト・プログラム参加者。

加入 May 2009

682 正在关注 20.1K 粉丝

iwashi / Yoshimasa Iwase@iwashi86

2026.07.29 03:30

LLMに回答の自信度を数値化させるのは無意味では、という主張。・LLMに0から100の自信度を出力させる手法がよく見られる・しかし、LLMに自信度を自己評価させるのは完全に無意味・科学的な根拠はなく、出力が信頼できそうに見えるだけの心理的なトリック・Anthropicの研究などで、モデルが内省的な認識を持つことは確認されている・ただ、それは実験環境での話であり、実際の出力の正しさを評価できるレベルにはない・思考プロセスを用いて自己評価させても「その自信度の自信度は？」という無限ループに陥る・実際にDeepMindの論文でも、外部フィードバックなしの自己修正は性能を低下させることが示されている・現在のモデルは、自らの状態を定量化できるほど自分自身を理解していない・そもそも、スコア化しようとする自信の定義が極めて曖昧・回答の正確性なのか、一貫性なのか、ユーザーの目的を満たそうとしているのか・全く異なる次元の問題を単一の数値に押し込めるのは無理がある

显示更多