詳細を読む
Google Researchとイスラエル工科大学の研究者は2026年9月1日までに、GPT-5やGemini-3など13の大規模言語モデルを対象に、内部に保存された事実と実際に呼び出せる事実の差を分析しました。Wikipedia由来の2,150件の事実に対する400万超の応答を調べ、最先端モデルでは追加の思考により、直接は思い出せなかった保存済み事実の40〜65％を回復できると報告しました。
GPT-5とGemini-3は、試験対象の事実の95〜98％をパラメータ内に符号化していました。一方、そのうち26〜34％は追加思考なしでは直接想起できず、事実を持っていることと安定して答えられることは別だと示されました。
研究チームは、元の学習文脈を与えれば再現できる状態を「符号化」、表現や質問方向が変わっても答えられる状態を「既知」と区別しました。珍しい事実は一般的な事実と同程度に符号化されても想起率に25％超の差があり、主語と目的語を逆に尋ねる質問でも生成より選択肢からの認識が容易でした。
Gemma 3を10億から270億パラメータへ拡大すると、符号化失敗は85％から23％へ低下した半面、思考なしの想起失敗は最大40％に達しました。規模拡大は知識の保存を改善してもアクセス問題を自動では解消せず、既にある事実へのRAG追加や大型化は、費用と遅延を増やす可能性があります。
開発者には、全問で思考を有効にするのではなく、質問の言い換えや再試行、生成後の検証、必要な問い合わせだけを深い推論へ送る設計が有効です。ただし、思考が必要なのは事実の10〜20％にとどまり、モデル自身は失敗を事前判定する能力が不十分なため、動的な振り分けが実装上の課題です。
今回の検証はWikipediaの百科事典的事実が中心で、社内情報や専門領域に同じ結果が当てはまるとは限りません。企業は同じ事実を異なる表現・方向・形式で試し、知識不足なのか想起失敗なのかを見極めてから、RAG、追加思考、再学習を選ぶ必要があります。