Google研究、LLMは「考える時間」で知識を思い出す──推論トレースが単純質問にも効く理由

Google Researchは、LLMが単純な事実質問に答えるときにも、推論トレースが知識想起を助ける仕組みを分析した研究「Thinking to Recall」を紹介した。複雑な推論ではなく、モデル内部の知識を取り出すための計算時間と関連事実の活性化が鍵になるという。

「考える」は計算時間として効く

研究では、Gemini 2.5 Flash/ProやQwen3-32Bを使い、SimpleQA VerifiedとEntityQuestionsで推論の有無を比較した。推論を有効にすると、通常は到達しにくい正答が取り出されることがあり、単純な一問一答でも効果が見られた。

興味深いのは、意味のある推論内容を「Let me think」の繰り返しに置き換えても、推論なしより正答率が上がった点だ。これは追加トークンが計算バッファとして働く可能性を示す。ただし自然な推論には及ばず、関連事実を出す「factual priming」も重要だと説明されている。

実務プロンプトへの含意

業務でLLMを使う場合、常に短く即答させることが最適とは限らない。根拠確認、関連事実の想起、回答前の検証を促す設計は、検索を使わない場面でも品質を上げる可能性がある。一方で、長く考えさせれば必ず正しいわけではない。

注意点

推論トレースは有用だが、幻覚を正当化する文章にもなり得る。重要業務では、モデル内知識だけに頼らず、外部ソース確認、引用、テスト、レビューを組み合わせる必要がある。

参考：Google Research Blog