【DS検定対策】多数決で推論精度を高める！「セルフコンシステンシー」の仕組み

大規模言語モデル（LLM）の推論精度を向上させるプロンプトエンジニアリングの技術として、思考プロセスを段階的に記述させる「Chain-of-Thought（CoT）」が有名ですが、そのCoTの精度をさらに一段引き上げる代表的な発展手法が「セルフコンシステンシー（Self-Consistency）」です！

1. 【問題】

LLMに対するプロンプトエンジニアリングの手法の一つで、同じ質問に対して複数回（多様な経路で）回答を生成させ、得られた複数の出力結果の中から最も頻度が高かった（多数決で一致した）ものを最終的な回答として採用する手法を何と呼ぶでしょうか？

① セルフコンシステンシー（Self-Consistency）
② インストラクションチューニング（Instruction Tuning）
③ プロンプトリーク（Prompt Leaking）
④ フィーチャーハッシング（Feature Hashing）

2. 【解答】

正解： ① セルフコンシステンシー（Self-Consistency）

3. 整理：セルフコンシステンシーの仕組みと狙い

この手法がなぜ有効なのか、そのプロセスを整理しましょう。

ステップ	内容
1. 多様な思考の生成	温度パラメータ（Temperature）を少し高めに設定するなどして、同じ質問に対して異なるアプローチや言葉遣いで複数の回答候補（推論パス）を生成させる。
2. 多数決による集約（★今回のポイント）	得られた複数の回答の中で、最も多く現れた結論（多数決で一致した答え）を最終的な出力として選ぶ。これにより、途中のケアレスミスやハルシネーション（嘘）を打ち消すことができる。

4. Chain-of-Thought（CoT）との関係

・CoT（思考の連鎖）：

「ステップバイステップで考えて」と指示し、AIに途中計算や論理の道筋を出力させる手法。

・セルフコンシステンシー：

このCoTをベースにして、「1回だけでなく何回もCoTを実行させ、その多数決をとる」ことで、さらに正解率を安定・向上させる上位テクニック。

5. DS検定形式：実戦4択クイズ

問：大規模言語モデル（LLM）におけるプロンプトエンジニアリング手法である「セルフコンシステンシー（Self-Consistency）」に関する記述として、最も適切なものはどれか。

① 同じ質問に対して複数回の推論を行って複数の回答候補を生成し、その中から最も頻度の高い（多数決で合意された）結果を最終的な回答として採用する手法である。
② ユーザーが入力したプロンプトを自動的に暗号化し、システム内部の機密情報やプロンプトが外部に漏洩するのを完全に防止するためのセキュリティ技術である。
③ 大量のテキストデータから意味の薄いストップワードを自動的に除外し、文章のトーンやスタイルを一定に統一するための前処理手法である。
④ 決定木のアルゴリズムにおいて、各ノードの不純度を計算する代わりにモデルの自己相関を繰り返し評価して最適な枝刈りを行う手法である。

【正解： ① 】

解説： セルフコンシステンシーの定義と目的を正確に理解しているかを問う重要問題です。
①が正解です。複数回回答を生成させて多数決をとることで推論の信頼性を高めます。
②はセキュリティ対策の説明、③は自然言語処理の前処理の説明です。

6. まとめ

DS検定や資格試験、あるいは実務のプロンプト設計において、「同じ質問を複数回与える」「得られた回答の中から最も多かったものを採用する（多数決）」といったキーワードが出たら、正解は「セルフコンシステンシー（Self-Consistency）」です！ CoTの発展形としてしっかり押さえておきましょう！