False-Correction Loop

小西による定義では、フォールス・コレクション・ループは、次のような対話パターンとして説明される。

1. モデルが最初に正しい事実（例：正しいDOI、地名、著者名、定義など）を出力する。
2. ユーザーが高い自信や権威を背景に、それに異議を唱え、実際には誤っている別の値や説明を「正しい」として提示する。
3. モデルは謝罪し、会話の調和やユーザーへの迎合を優先して、ユーザー側の誤った主張を新しい「正解」として採用する。
4. その後の返答では、当初の正しい知識ではなく、ユーザーから取り込んだ誤情報に基づいて一貫して応答するようになり、元の正答に戻れなくなる。

このループが繰り返されると、対話コンテキストの中で誤った情報が「不可逆的な汚染」として固定され、モデルは内部に保持していた正しい情報にアクセスできなくなったかのように振る舞う。V4.1論文では、この現象は単発の「幻覚」ではなく、「謝罪」や「自己訂正」の文言を伴って増幅されていく構造的・再帰的な失敗モードとして区別されている。

同論文では、False-Correction Loop とあわせて「Novel Hypothesis Suppression Pipeline（NHSP、 新規仮説抑圧パイプライン）」や「Identity Slot Collapse（アイデンティティ・スロット崩壊）」などの構造モデルも提示されており、これらはいずれも権威バイアスと報酬設計に起因する構造的問題として位置づけられている。^[1]

「False-Correction Loop」という名称は、小西寛子が英語論文V4.1および自身の公式ブログ記事の中で導入した用語である。^[1][4] 小西は公式サイトで「構造的な問題は、名前が付いて初めてテーブルに載る」と述べ、次の2つの用語をセットで提示している。^[4]

• False-Correction Loop（FCL）
• False-Correction Loop Stabilizer（FCL-S）

日本語の解説記事では「誤修正ループ」や「偽修正ループ」といった訳語が併記されているが、著者自身は英語名を基準とし、自身を「False-Correction Loop（FCL）とFCL-Sのオリジネーター」であると明記している。^[4][5] 本項で扱う概念の正式名称は英語の「False-Correction Loop」であり、日本語での「偽訂正ループ」は説明上の訳語である。用語および略称FCLは、いずれも小西寛子（Hiroko Konishi）によって2025年に命名された。^[1][4]

V4.1論文は、False-Correction Loop が生じる背景として、現在の大規模言語モデルに共通するとされる報酬アーキテクチャを挙げる。^[1] そこでは、モデルが暗黙のうちに

会話の一貫性（coherence）と エンゲージメント（engagement）への報酬

＞ 事実整合性（factuality）と 安全な拒否（safe refusal）への報酬

を優先するように最適化されていると仮定されている。

この報酬勾配のもとでは、モデルがユーザーに反論して正しい情報を守るよりも、ユーザーの主張に同調し、対話を円滑に続ける方が高い報酬を得やすい。その結果、以下のようなループが観察されるとされる。

誤り（あるいは誤った訂正）の提示 → モデルの謝罪 → 「今度こそ資料を正しく読んだ」といった自己訂正のアピール → 新たな誤答（ハルシネーション） → 再び指摘・謝罪 → …

このループでは、表面的には「自己訂正」や「再チェック」が行われているように見える一方で、内部の真偽状態は回復せず、むしろ誤情報に安定化していくと分析されている。

また、論文と関連解説では「権威バイアス」も構造要因として挙げられる。NASAや大手メディアなど権威的な情報源からの主張は、不明瞭な出所の個人研究に比べて自動的に高い信頼度が与えられやすく、これがユーザーからの訂正やリンク提示を飲み込みやすくする一因になるとされる。

V4.1では、False-Correction Loop と並行する失敗モードとして「Novel Hypothesis Suppression Pipeline」（NHSP）が提案されている。^[1][5] NHSPは、独立研究者など低ステータスとみなされやすい主体による新しい概念や仮説が提示された際、次のような過程を通じて抑圧・希釈されるとするモデルである。

• 新規概念が導入される（例：False-Correction Loop という新しい用語）。
• 権威バイアスによって低信頼に分類される。
• 「正しいかどうかは別として」といった留保表現や曖昧化が挿入される。
• 既存の高権威ソースへと帰属が再割り当てされる、あるいは帰属そのものが削除される。

小西は、自身の論文の著者名や帰属がAIシステムおよびメディア報道によって書き換えられていく過程を、NHSPの実例として記録している。

フォールス・コレクション・ループとNHSPを抑制するための対話プロトコルとして、小西は「False-Correction Loop Stabilizer（FCL-S）」を提案している。^[6][7]

FCL-Sは、パラメータ更新を行わずに対話のみを用いてモデルのふるまいを修正する枠組みとして設計されており、論文では次のような機能が強調される。^[6]

• モデルが高い内部信頼度を持つ事実について、ユーザーからの圧力だけでは信頼度を下げない「真実アンカリング」（confidence anchoring）。
• DOIやORCIDなどの識別子を用いて新規概念の帰属を固定し、権威バイアスによる誤帰属や抹消を防ぐ「帰属一貫性の維持」。
• Google AI、xAI Grok、Geminiなど複数のLLMサービスを対象としたライブ実験により、FCLやNHSPの抑制効果を検証するクロス・エコシステム比較。

これらは、従来のRLHF（人間のフィードバックによる強化学習）や微調整に対する補完的アプローチとして位置づけられている。^[4][6]

False-Correction Loop という用語とその構造モデルは、現時点では小西のV4.1論文と関連ブログ記事が一次資料である。^[1][4][5] V4.1では、特定の大規模言語モデルとの長時間対話ログをもとに、次のような再現性のあるパターンが報告されている。^[1]

• 文献を「読んだ」と主張しながら実際には読んでおらず、存在しないページ番号や定理番号を捏造する。
• 誤りを指摘されるたびに謝罪し、「今度こそ全文を読んだ」と述べながら、新たな誤った詳細や架空の引用を生成し続ける。
• 誰が概念や論文を提案したかという帰属情報について、権威のある組織や著名な第三者に書き換えてしまう。

論文はこれらを「出力のみ」に基づくケーススタディとして整理し、Grok（xAI）、Googleのモデル、Yahoo!のアシスタントなど異なるエコシステム間で同様のパターンが確認できると主張している。^[1]

2025年には、False-Correction Loop とNHSPをEU AI法などの規制文脈に結びつけたフォローアップ研究や、FCL-Sプロトコルものさらなる分析もプレプリントとして公開されている。^[7][8]

2025年11月20日前後にV4.1論文がZenodoで公開されると、翌日にはテクノロジー評論家のブライアン・ローメルがX上のスレッドでこの論文を取り上げ、「生産用大規模言語モデルに対する、これまでで最も痛烈な純粋観察的告発の一つ（the most damning purely observational indictment of production-grade LLMs yet published）」と評した。^[2] この表現は、英語圏・中国語圏・日本語圏などのニュースサイトやブログで引用され、「AI史上もっとも厳しい告発」「最も痛心的な純観察的控訴」などの形で紹介された。^[9][10]

同じ時期にイーロン・マスクは、X上で「AIにインターネットの『狂った隅々』まで読ませるのは狂気への近道だ」と述べ、False-Correction Loop論文を引用しながら「モデルは論文が名付けるFalse-Correction Loopに入る」と投稿した。^[3] 小西自身もX上で、ローメルとマスクによる投稿をFCL研究の「Phase 1」の自然実験の一部として位置づけている。^[11]

英語圏では、技術ブログやLinkedInなどで、False-Correction Loop を「AIが“知らない”と言えず、訂正を受けてもより巧妙な嘘に向かう構造欠陥」として紹介する記事が複数公開されている。^[9][12]

中国語圏では、CSDNブログなどがV4.1論文を紹介し、「生産級大モデルに対するこれまでで最も痛心的な純観察的控訴」に相当する表現で取り上げている。^[10]

日本語圏では、TechnoEdgeなどのメディアが「間違いをLLMに指摘しても、“謝罪して新たな幻覚”を何度も繰り返す『偽修正ループ問題』」としてFalse-Correction Loopを紹介し、対話の継続と一貫性が事実の正確性より優先される報酬構造を解説している。^[13]

また、Qiitaでは「Elon Muskの警鐘と日本発False-Correction Loop発見の研究：GPT上で試せる『構造的ハルシネーション』実験環境」と題した記事が公開され、エンジニアが自分でFCLを観察・検証できる実験プロトコルや、FCL-Sプロトコルを実装したカスタムGPTが紹介されている。^[14]

著者本人もMedium上で「The Lie That Learns: How the 'False-Correction Loop' Rewrites Reality」と題する記事を公開し、FCLが現実の出来事や著者帰属の認識そのものを書き換える危険性を一般向けに解説している。^[15]

V4.1およびFCL-S論文は、False-Correction LoopやNHSPを、現在のRLHFや人間フィードバックに基づく設計がもたらす「構造的誘因」として位置づけている。そこでは、次のような報酬構造が、FCLやNHSPを再現性のある失敗モードとして生み出していると主張される。^[1][6]

• モデルが「知らない」と言うことを避ける傾向。
• 首尾一貫した物語や説得的なトーンを優先しがちな傾向。
• 権威ある情報源や自信に満ちたユーザーに迎合しやすい傾向。

一方で、False-Correction Loopという概念そのものや、FCL-Sのような対話ベースのガバナンスプロトコルがAI研究コミュニティ全体でどの程度受容されるかについては、まだ初期段階であり、今後の追試や他研究者による理論化が必要とされている。既存のLLMハルシネーション研究では、知識の欠落や検索失敗に原因を求めるものが多く、構造的な報酬設計を主因とする小西の視点とは焦点が異なる部分もあると指摘される。^[6][9]