判定を任せると、同じ内容でも特定の答えに寄ることがあります。Learn Prompting は、中身のない入力に対する出力の確率を見て、偏りを測って補正する考え方を校正として紹介しています。手元で試せる範囲の手順に直します。

手順1:中身のない入力を用意する
最初に、判定に使う材料が入っていない入力を用意します。Learn Prompting の例は、感情の判定で「Input: nothing Sentiment:」という、肯定とも否定とも読めない文字列です。この種の入力では、肯定と否定の確率が半々になるのが筋の通った反応です。日本語で試すなら、意味を持たない短い文字列を10件ほど用意します。件数が少ないと、測った値がそのまま偶然になります。
手順2:同じ指示で10件を判定させ、偏りを数える
用意した10件を、本番と同じ指示で判定させます。結果を数えると、片方の答えに寄っているかどうかが見えます。Learn Prompting の例では、中身のない入力に対して肯定が0.9、否定が0.1という確率が返り、肯定の側に寄った分布だと説明されています。確率まで見られない画面でも、10件のうち何件が同じ答えになったかを数えれば、寄りの大きさは掴めます。
手順3:中立な見本を指示に入れて測り直す
偏りが見つかったら、中身のない例を指示の中に置きます。Learn Prompting は、中身のない例に肯定と否定の両方の答えを付けた見本を並べる方法を、技術を使わない解決として紹介しています。この方法は論文で検証されたものではないと、資料自身が注記しています。効果のほどは、測り直して確かめる以外にありません。測り直して偏りが縮まなければ、見本の並べ方か指示の書き方を見直します。見本の置き方は少数例示学習の頁で扱う形と同じです。
手順4:確率まで扱えるなら補正の計算を検討する
API などで確率まで取得できる場合は、値を補正する方法があります。Learn Prompting は、中身のない入力の確率を半々に近づける変換を求める手順を示しており、重みを元の確率の逆数、偏りを0とする計算を例に挙げています。複数の中身のない入力で求めた値を平均するため、どの入力もぴったり半々にはなりません。分類の課題ではこの形、生成の課題では別の形が向くと書かれています。実装には手間がかかるため、判定の誤りが業務に効く場合に限って検討します。
手順5:測った値と判断の線を記録する
測った結果は、指示文とセットで残します。どの指示で、何件を判定させ、どちらに何件寄ったかまで書きます。あわせて、判定をそのまま使うか、人が確認するかの線も決めます。偏りの大きい判定は、確率の値ではなく人の確認を挟むほうが安全です。判定の揺れを抑える方法は温度の設定でも扱っています。偏りの種類そのものは機械学習のバイアスの頁で整理しています。
FAQ
Q. 10件で足りますか?
A. 偏りの有無を見るには足りますが、大きさを測るには足りません。件数を増やすほど値は安定します。まず10件で傾向を見て、判断に使う段になってから件数を増やす順番が現実的です。
Q. 校正をすれば判定は正しくなりますか?
A. なりません。校正が扱うのは、答えの寄り方の偏りです。内容そのものの正しさは別の話で、資料にもその区別が書かれています。校正の後も、抜き取りの確認は残します。
出典
出典:Learn Prompting「LLMの校正」(原題 Calibrating LLMs、Sander Schulhoff、2024年8月7日更新、2026年10月31日参照)
あわせて使いたいツール
本記事の手順を実際に回すときに、候補になるツールを挙げます。いずれも無料から試せる範囲があり、料金や機能は各サービスの公式情報で確認してください。
編集部の見解
この手順で分かるのは、モデルの答えの寄り方です。緊急度を3段で判定させると、中身のない入力でも真ん中に寄ることがあります。見本を均すと分布が平らに近づき、人の確認に回す件数を見積もれるようになります。手順5の記録は、モデルを替えたときに前後を比べる材料になります。比べる相手が残っていないと、替えた後の変化を説明できません。
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。
