LLMの知識境界と具体性：なぜ「知らない」と言えないのか

大規模言語モデル（LLM）は、知らない情報について問われると、もっともらしい嘘をつく傾向があります。本研究は、この現象を「協調的な対話者は不確実な場合、より一般的な情報に後退する」というグライス的視点から分析しました。LLMの内部には知識境界と応答の具体性を予測する信号が存在するものの、生成時にはそれが活用されず、未知の事柄でも具体的な回答を優先する実態が明らかになりました。真実性と情報性のバランスを取る「グライス的アラインメント」が今後の課題です。