2026.08.12 WED18:51 JSTGoogle
Google研究: LLM事実性のボトルネックはRecall
- Google Researchがパラメトリック事実性の論文を公開。
- 知識不足よりRecall（思い出し）が主ボトルネックと指摘。
- 空棚か鍵紛失かの比喩で説明。
目線
RAGやメモリ設計を検討する開発者が、モデル内部知識の限界を再評価する材料になる。
対象
LLMアプリ開発者・研究者
使える場面
- 事実性エラーの原因切り分けに使う
- RAG vs パラメトリック知識の設計判断
試すなら
ブログと論文を読み手法を確認する
確認点
研究報告であり即製品反映ではない
背景
生成AIの事実性問題を、知識の有無（empty shelves）と想起失敗（lost keys）に分けて分析。
何が変わったか
- パラメトリック知識のRecallが主要な失敗要因であることを実験で示した
- 事実性向上のための示唆を提示
使える場面・影響
単にモデルを大きくするだけでなく、想起メカニズムの改善や外部知識の組み合わせが重要になる。
試す前に確認
- 詳細は論文・ブログで確認
- 再現実験の有無
一次ソース
- Google Research Blogresearch.google