UZH共有タスク2026におけるLLM-INSTRUCT：段落レベルの論証マイニングのための制約認識型検索と選択的ディベート

AIの世界は日々進化していますが、今回紹介するのは、国際的な場で使われる文書の「論点」をAIが見つけ出すという、ちょっと変わった、でもすごく重要なタスクで優勝したお話です。

舞台は、国連やユネスコ（国際連合教育科学文化機関）が出す決議文。これらは世界で何が起こっているのか、どうしていくべきなのか、といった重要なことが書かれています。この決議文の中から、それぞれの段落がどんな「論点」や「主張」を持っているのかをAIが見つけ出す、というのが今回の「UZH共有タスク2026」というコンテストでした。

このコンテストには、「LLM-INSTRUCT」という名前のAIシステムが参加し、見事優勝しました。LLM-INSTRUCTは、開発時に使えるAIモデルの大きさに制限（最大80億パラメータ）があったり、出力する情報の形（JSONスキーマ）が厳密に決められていたり、141種類もの公式タグの中から適切なものを選んだり、といった制約の中で成果を出す必要がありました。まるで、決められたルールの中で最高の料理を作るようなものですね。

このAI、ただ文章を読ませて答えを出させるだけではありません。まず、「メタデータ認識型密接検索」という方法で、関係がありそうなタグの候補をグッと絞り込みました。これにより、無関係なものをたくさん調べる手間が省けます。例えるなら、図書館で本を探すときに、まず本のジャンルや著者で大まかに絞り込むようなイメージです。

次に、「制約付きデコーディング」という技術で、絞り込んだ候補の中から、決められたルール（次元ごとの上限）を守りながら最適なものを選んでいきます。それでも、AI自身が「これは自信がないな」と思ったときは、3つのAIエージェントが「ディベート（討論）」する仕組みを取り入れました。お互いの意見をぶつけ合い、より確かな結論を導き出すわけです。最後に出力する情報の形が、ちゃんと決められたスキーマに合っているかもチェックします。

このAIのすごいところは、ただ賢いだけでなく、複雑なタスクを「構造化された問題」として捉え、段階的に解決していくアプローチをとったことです。特に、AIが何かを生成する前に、考えられる選択肢をあらかじめ減らしておく（決定空間を削減する）という考え方が、精度を上げ、かつ安定した結果を出す上で非常に重要だったと、開発チームは語っています。これは、AI開発の現場でも、もっと複雑な課題に取り組む上で参考になる教訓と言えるでしょう。