NLP2026に初参加したAIエンジニアが気になった論文3選

こんにちは、LegalscapeのLabsチームでAIエンジニア/EMを務めている富田です。

2026年3月9日〜12日に宇都宮のライトキューブ宇都宮で開催された言語処理学会第32回年次大会（NLP2026）に参加してきました。私自身はNLPへの参加は今回が初めてだったのですが、ポスター会場の熱気と発表件数の多さにまず圧倒されました。自然言語処理コミュニティの盛況ぶりを肌で感じる良い機会でした。

学会全体の参加レポートは弊社noteに別途チームメンバーが書いてくれる予定ですので、本記事ではAIエンジニアの目線から、個人的に面白いと感じた論文を3本ピックアップして紹介します。

1. P²LD: 隠れ状態差分によるFew-shotハルシネーション検知

井上耕太朗. P²LD: 隠れ状態差分による Few-shot ハルシネーション検知. 言語処理学会第32回年次大会発表論文集, 2026.

LLMのハルシネーション検知において、モデルの隠れ状態を使ったプロービングは有力なアプローチの一つです。しかし従来手法では「どの層の隠れ状態を使うべきか」という層選択の問題があり、選択する層によって性能が大きくブレてしまうことが知られています。

本論文の提案手法P²LDは、特定の層に依存せず、全層の隠れ状態の層間差分を取り、PCA→PLS→ロジスティック回帰というシンプルなパイプラインで1次元の潜在変数に圧縮していくことで、この層選択の問題を回避しています。

注目すべきはFew-shot性能です。たった4サンプルの学習データでも、Qwen3-30BでAUROC 0.86を達成しており、従来手法のSAPLMAを大きく上回っています。ハルシネーションのラベル付きデータは収集コストが高いため、少数のラベルでここまでの精度が出るのは実用上非常に大きなインパクトです。

オープンウェイトモデルの内部状態にアクセスできる環境でなければ適用できないという制約はありますが、それを差し引いても、Few-shot条件でこれほどの安定性と精度を両立させた手法設計には感銘を受けました。

2. 生成エンジンにおける引用脆弱性の解明

望月理来, 小松秀輔, 野口蒼大, 安宅和人. 生成エンジンにおける引用脆弱性の解明. 言語処理学会第32回年次大会発表論文集, 2026.

Web検索機能を組み込んだLLM、いわゆる生成エンジン（GE）は、一種のRAGシステムと捉えることができます。GEの回答において「引用元が忠実に反映されているか」を評価する研究は数多くありますが、本論文は「そもそも何を引用しているのか」という一歩手前の問いに着目しています。

具体的には、引用元を一次情報源（政党公式サイトなど）と二次情報源に分類し、さらに二次情報源をコンテンツの注入障壁（低：個人ブログやSNS、中：メディア、高：学術機関など）で細分化する枠組みを提案しています。日本の政治ドメインでの実験では、与党に関する質問で一次情報源の引用割合が20〜48%にとどまり、低障壁ソースが全体の約20%を占めるという結果が報告されています。

これは「GEが引用元を忠実に反映していること」と「GEが信頼できる情報源を引用していること」は別の問題であるという、シンプルだけれど重要な指摘です。個人的に考えさせられたのは、LLMには「参照しやすい文章」と「参照しにくい文章」があるのではないかということです。たとえ情報ソースとしてより信頼がおけるものであっても、LLMにとって参照しづらい構造であれば、信頼性の低いソースのほうが優先的に引用されてしまう可能性がある。法律分野では文献の権威性が非常に重要ですので、この問題は示唆に富むものでした。

3. 法令文中の他法令の参照抽出

北野尚樹, 天笠俊之. 法令文中の他法令の参照抽出. 言語処理学会第32回年次大会発表論文集 (テーマセッション), 2026.

法令文中には「同法第十条第一項」「前三条」「第二百四十二条乃至第二百四十六条」のように、他の法令や条項を参照する表現が多数出現します。本論文はこうした参照を網羅的に抽出する手法を提案しています。

技術的に面白いのは、LLMを使わず正規表現とパターンマッチングで構成された比較的シンプルな手法であるにもかかわらず、F値0.935・再現率0.988という高い精度を実現している点です。法令文には「同法」「前条」「次項」といった相対的な参照パターンや、「乃至」による範囲指定など独特の規則性があり、それを丁寧に観察・整理してルールに落とし込むことで、高精度な抽出が可能であることを示しています。

LLM全盛の今、あらゆるタスクにLLMを適用したくなりがちですが、ドメインの構造をよく観察すればルールベースの手法で十分に――あるいはそれ以上に――高い精度が出せるケースがあることを改めて実感させてくれる研究でした。