本記事では、プロンプトの工夫によってLLMの応答スタイルをユーザーごとに調整する手法を紹介します。

モデルを再学習することなく、少数の例文からその人らしい言葉づかいや価値観を引き出す試みが特徴です。従来のアライメント手法とは異なり、透明性と実用性の両立を目指しています。

業務での応答最適化だけでなく、個人用途でも活用の幅が広がりそうです。

背景

同じLLMを使っていても、「もっと簡潔に答えてほしい」と思う人もいれば、「少しくだけた口調のほうが親しみやすい」と感じる人もいます。業務の現場では、顧客の文体に合わせた対応や、社内で使われている表現のトーンに沿った出力が求められることがあります。

一方、個人の趣味としてLLMを使う場面でも、「自分の推しキャラになりきって返事をしてほしい」など、スタイルへのこだわりが出てくることがあります。

あるいは公私限らず「私の文章のような書き方で出力させたい」といったニーズもあります。

しかし、現在のLLMはこうした多様なスタイルの違いに柔軟に対応できるとは限りません。その背景には、モデルの調整が多数のユーザーの平均的な指向性に基づいているという事情があります。RLHFや対照学習といった手法は、安全で一般性のある出力を実現している一方で、個々のニーズに合った細やかな表現までは反映しにくくなっています。

とくに難しいのは、「その人らしい話し方とは何か」をモデルがどう読み取り、どのように出力に活かすかという点です。これがうまくいかなければ、LLMをもっと身近に、思い通りに使うことは難しいままです。

こうした課題に対して、今回提案されているのが「ユーザーの文例を少しだけ与えることで、その人らしい言葉づかいや価値観をモデルが自ら推測し、応答のトーンを調整する」というアプローチです。モデルを再学習する必要はなく、プロンプト設計の工夫だけで柔軟なカスタマイズを可能にする方法として注目されます。

どのような工夫によって実現しているのか、以下で詳しく見ていきます。