LLM Review：ブラインド・ピアレビュー型フィードバックで創作の均質化を避けるマルチエージェント枠組み。

TL;DR（結論）

• 創作では相互作用を増やすほど良くなるとは限らず、エージェント同士が互いの出力に引っ張られて内容が似通う「均質化」が起き得るため、情報の流れそのものを設計対象として扱う必要があります。
• LLM Reviewは、複数エージェントがまず独立に初稿を書き、その後に他者の初稿へ狙いを定めた批評だけを返しつつ、改稿では他者の改稿結果を見せない「ブラインド・ピアレビュー」型の反復を行います。
• サイエンスフィクション短編用データセットSciFi-100と、採点モデルによる評価・人手注釈・規則ベース新規性指標を組み合わせた検証で、提案枠組みが複数のマルチエージェント基準法より一貫して良い結果を示し、相互作用の構造がモデル規模を一部代替し得ることが示唆されます。

なぜこの問題か

大規模言語モデルは多くの言語タスクで高い性能を示す一方で、創作のように「新しさ」が本質になる生成では、既存パターンの再生産に寄りやすいと整理されています。単体モデルでの改善策としては、デコードの工夫、プロンプト設計、事後の最適化などが知られていますが、これらは見かけの多様性を増やしても、概念レベルの新規性に届きにくいという問題意識が置かれています。そこで近年は、複数のエージェントを相互作用させる枠組みが推論や出力の多様性を高めるとして注目され、「相互作用が多いほど良い」という前提が広がっていると述べられています。 しかし本論文は、創造性に関してはこの前提が崩れる場合がある点を強調しています。人間の集団ブレインストーミング研究では、対話型の集団が個人作業よりもアイデア数や独創性を落とし得る要因が指摘されており、さらに人間が言語モデルと協働する状況でも均質化が観察されるという報告があるとされています。…

核心：何を提案したのか

提案の中心は、創作の均質化を避けるために「情報の流れを意図的に制約する」マルチエージェント枠組みLLM Reviewです。着想は学術的な査読プロセスで、とくにダブルブラインド査読の考え方を参照しながら、創作生成に適用できる形に落とし込んでいます。ポイントは、エージェント同士が草稿を見せ合って同じ方向へ寄せるのではなく、初稿に対する狙いを定めた批評は交換する一方で、改稿の実行と結果は各自の手元に留めるという構造を採ることです。これにより、外部からの批判的視点による改善効果を得ながらも、他者の改稿結果に引きずられて創作が収束する力を弱め、複数の創作軌道を維持しやすくします。論文では、この「批評の共有」と「改稿結果の非共有」が作る情報の非対称性が、創作に必要な発散を守る鍵になると説明されています。…

続きはログイン/プランで閲覧できます。