多言語学習者向け公平性を考慮したAIチューター:L1と習熟度グループ間での適応的フィードバックの評価

• 12件の標準化された患者・医学生の対話記録を対象に、ChatGPT-4o、Gemini 3 Pro、医師レビューアが模擬対話を評価する検証研究を実施した。
• 問診55項目・プレゼンテーション19項目の評価で、LLMと医師の一致率は問診でκ=0.84–0.89、プレゼンテーションでκ=0.62–0.72と高い一致を示した。
• LLMが生成したフィードバックは詳細かつ臨床的に有用とされ、他のLLMや医師からも高評価を得た。

• LLMが訓練データ由来のジェンダーバイアスを継承・再現する問題に対し、モデルパラメータを変更せずに緩和する後処理フレームワークを提案。
• フィードバック駆動型の外部アラインメントメモリを用い、検出したバイアスを反復的フィードバックで簡潔な修正ルールへ変換。ルールはモデルパラメータから独立して保存され、推論時に検索して応答に反映される。
• 検索は入力クエリと保存済み例のコサイン類似度マッチングで実施し、モデル独立性を保ちながら知識の再利用を可能にする。

• クイズ専門家とLLMで問題文中の単語の重要度認識に差があるかを検証するため、LLM-as-a-judgeアプローチによる比較研究を実施
• GPT-4o/GPT-4を用いて問題文のトークンごとの重要度を数値評価するシステムを構築し、実際のクイズ専門家にも同様の評価を実施
• 専門家は回答と強く関連しない単語・フレーズも多様に重要視し、評価スコアがLLMより早く蓄積する傾向が観測され、少数情報からの帰納的推論の速さが示唆された

• カザフ語の自動スペル訂正向けに、トークンレベルのエラー検出・言語制約付き候補生成・共有Transformerエンコーダーによるマスク言語モデル候補再ランキングを組み合わせた3段階フレームワーク「Context-Aware KazRoBERTa」を提案・公開した。
• 2,615,771の並列文ペアからなる合成コーパスでの評価で、検出F1 97.7%、検出精度98.8%、文訂正精度85.8%、単語訂正精度95.6%、文字エラー率1.86%を達成した。
• アブレーション結果で、文脈再ランキングが削除・置換エラーに対して最大の改善をもたらしたことを示した。

大規模言語モデル(LLM)の出力における知的、感情的、行動指向の言語使用の度合いは、ユーザーの解釈と行動に影響を与える。この特性を直接測定・制御することは稀である。本研究では、AI生成テキストから帰納的に構築された辞書を備えた、知的・感情・行動プロファイル(IEAP)という目的特化型語彙フレームワークを導入する。IEAPは、応答を知的、感情的、行動的単語の比例使用に分解する。4つの現代的なアーキテクチャ(Claude、ChatGPT、Grok、Gemini)に対し、5つの質問領域と4つの指示モード(n=30)で応答を収集・採点した。結果として、1) 指示がない場合、応答プロファイルは質問に大…