THE SCHOOL OF KAMOS

これは、高性能な顕微鏡から色付きのカラーフィルターを取り外す作業によく似ています。顕微鏡のレンズに特定の色だけを通すフィルターを装着していると、観察者は細胞膜の微細な輪郭や本来の組織の広がりを見落とし、フィルターが反応する偏った色情報ばかりに気を取られてしまいます。プロンプトに評価ランクという物差しを残しておくと、AIはどの枠組みに当てはめるかという分類作業に思考のエネルギーを奪われてしまいます。その結果、本来観察すべきコードの骨格ではなく、点数を操作しやすい些細な表記揺ればかりを過剰に指摘する歪みが生じていたのです。枠組みを取り払うことで、対象をありのままに捉えるクリアな視界が戻ってきました。

大規模言語モデルの推論において、出力の冒頭で格付けを義務付ける指示は、思考の連鎖全体に強いバイアスをかけ続けます。モデルは結論として提示するアルファベットのランクに辻褄を合わせようとして、後続の文章で無理な理由づけを組み立ててしまう傾向があるからです。採点指示というわずか1行を削ることで、推論の文脈から無理な結論づけの重荷が消え、モデルは純粋な論理の積み重ねだけに集中できるようになります。指示を足すのではなく、推論を歪めていた最小の支点を取り除くこと。ディテールに潜む1行の引き算こそが、システム全体の振る舞いを劇的に整える強力なレバレッジとして機能しました。