言語モデルの自己反論学習「Self-Disagreement」手法、弁証法的能力を強化
arXiv cs.CLは2026年11月12日(現地時間)、Soheil Abbasloo氏とPeng Cheng氏が執筆した論文「Benchmarks Don't Talk Back: Learning Through Self-Disagreement」を公開しました。同論文は、言語モデルが自らの誤りを修正する新たな学習手法「Self-Disagreement」を提案。モデルが主張を立て、その主張に対する強力な反論を生成し、その妥当性を評価することで学習を進めます。これにより、従来の単なる正確性評価を超え、モデルがいつ自身の立場を保持し、いつより良い立場に譲るべきかを見極める「dialectical competence」(弁証法的能力)の重要性を強調しています。