2026年02月27日
## 要約：
本研究では、GPT-5を用いて、単一の難事例に対する詳細な読解を通じて引用文脈分析を支援できるかを検証した。結果として、モデルは様々な解釈を生成し、プロンプトの工夫によって優先される解釈や語彙が系統的に変化することが示された。LLMを解釈支援ツールとして活用する際の機会とリスクを提示している。
---
## 翻訳：
arXiv:2602.22359v1 新規タイプを発表。概要：本論文では、大規模言語モデル（LLM）が、型番ラベルを拡大するのではなく、単一の難事例に対するテキストに基づいた詳細な読解を通して、解釈的な引用文脈分析（CCA）をサポートできるかどうかを検証する。方法論上の問題として、プロンプトの感度分析を重要視し、バランスの取れた2x3の設計でプロンプトの足場やフレームを変化させる。Chubin and Moitra (1975)の脚注6とGilbert (1977)の再構成を調査対象とし、2段階のGPT-5パイプラインを実装する。第1段階は、引用文のみを使用した表面分類と期待パス、第2段階は、引用文献と引用された文献の全文を用いた文書間の解釈的な再構成を行う。90回の再構成において、モデルは450個の異なる仮説を生成する。詳細な読解と帰納的コーディングにより、21個の再帰的な解釈的な動きを特定し、線形確率モデルを用いて、プロンプトの選択がその頻度と語彙をどのように変化させるかを推定する。GPT-5の表面パスは非常に安定しており、引用を「補足」として分類する傾向が一致している。再構成において、モデルは実行可能な代替手段の構造化された空間を生成するが、足場と例は注意と語彙を再配分し、時には無理な読解を促すこともある。Gilbertと比較して、GPT-5は同じテキストのヒンジを検出するものの、それを戒めとして解決するよりも、系譜と位置付けとして解決する傾向がより高い。本研究は、検査可能で議論可能な解釈的なCCAのためにLLMをガイダンスされた共同アナリストとして使用する際の機会とリスクを概説し、プロンプトの足場とフレームが系統的にモデルが優先する実行可能な読解と語彙を傾けることを示している。
[📰 原文はこちら](https://arxiv.org/abs/2602.22359)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
