# 自己基準の検証でマルチモーダルLLMの同調バイアスを低減

> 研究チームは、誤った行動をより確実に見抜く2段階手法「SGV」を発表。後続タスクの成績を最大25ポイント改善する。

Oossa · 2026-11-13 · https://oossa.com/ja/self-grounded-verification-reduces-agreement-bias-in-multimodal-llms

Moises Andrade氏らは、マルチモーダルLLM向けの検証手法「SGV」を発表した。まずモデルに、正しい行動とはどのようなものかを列挙させ、そのリストを基準に個々の行動を判定する。論文によると、この手法は、行動を過剰に承認しがちなモデルの傾向（同調バイアス）を抑え、失敗の検出率を最大25ポイント、全体の精度を14ポイント高める。OSWorldのGUI特化モデル、RoboMimicの拡散方策、VisualWebArenaのReActエージェントに適用したところ、検証器によってタスク完了率は従来の最高成績を約20ポイント上回った。

## 事実

- SGVは失敗の検出率を最大25ポイント向上させる
- OSWorld、RoboMimic、VisualWebArenaでタスク完了率が約20ポイント向上

## なぜ重要か

検証能力が高まれば、AIエージェントが誤った確信を持つのを防ぎ、ビジュアルウェブやロボット関連ツールを使うユーザーに、より安定した性能を提供できる。

## 出典と参考資料

1. [Let's Think in Two Steps: Mitigating Agreement Bias in MLLMs with Self-Grounded Verification](https://arxiv.org/abs/2507.11662) – arXiv cs.MA, 2026-11-13

最終更新: 2026-11-13