2. 「わからない」と言わせる（強制的な回答放棄）

すべての事実に関するプロンプトに、以下のルールを追加しましょう。
「提供された情報からこれを検証できない場合は、『不明です』または『指定されていません』と答えてください。」

証拠が不足している場合にモデルに回答を放棄させることは、広く推奨されている戦略です。ChatGPTの「カスタム指示」設定に「現実フィルター」を仕込み、推測や推論に基づく内容を事実として提示することを禁止するのも有効です。この設定はすべての会話に適用されるため、非常に便利です。

3. 引用元の明示を義務付ける

各主張に対して、具体的な出典（URLや参照ドキュメント）を要求しましょう。
例：「すべての主張について、信頼できる検証可能な情報源を引用し、そのURLまたは参照ドキュメントを明記してください。」

ただし、ChatGPTが出す引用自体も「幻覚」である可能性があるため、引用はあくまで検証すべき「主張」として扱い、証明として盲信しないことが重要です。とはいえ、引用を義務付けることで、回答の構造がより根拠に基づいたものになります。

4. 複雑な質問は、小さく単純な質問に分解する

漠然とした大きな質問を一つするのではなく、具体的な小さな質問に分割しましょう。タスクを細分化することで、モデルの自由度が減り、根拠のない内容を生成する可能性が低くなります。

• 悪い例: 「気候変動の影響は？」
• 良い例:
  1. 「過去100年で世界の平均気温はどの程度上昇したか？」
  2. 「海面水位はどの程度上昇しているか？」
  3. 「気候変動が農業生産に与える具体的な影響を3つ挙げてください。」

5. ペルソナ（役割）と明確な制約を与える

モデルに明確な役割を与え、曖昧な表現を禁止しましょう。

例：「あなたはリサーチアシスタントです。私が提供したドキュメントの情報のみを使用してください。ドキュメントに答えがない場合は『指定されていません』と答えてください。」

このような厳格な行動規範を設定することで、モデルを提供された文脈に留めることができます。

6. 回答前に自己検証させる（マルチステップ検証）

メタプロンプト（プロンプトを制御するための指示）を追加しましょう。
「回答する前に、すべての事実主張を提供された情報源と照合し、検証できないものはすべて明示してください。」

これにより、モデルは回答を出力する前に自己チェックを行います。モデルに思考過程やソースを表示させることは、その主張を吟味するのに役立ちますが、あなた自身の検証を完全に代替するものではありません。

7. 重要な主張は必ず自分で検証する

ChatGPTが出力した具体的な事実——日付、統計、名前、法律、医療情報、金融情報など——はすべて、「検証すべき仮説」として扱い、決して「信頼すべき結論」として受け入れてはいけません。重要な情報を行動に移す前に、必ず独立した情報源を使って確認しましょう。同じ質問を少し言い回しを変えて別のタイミングで再度尋ねてみるのも有効です。回答に一貫性がなければ、それはハルシネーションの強力なシグナルです。

効果が期待できない方法

• 「本当にそれで合ってる？」と聞くだけ：これは、情報源や証拠の提示、回答の放棄、明示的な検証ステップを要求するよりも効果が弱いです。
• 引用を確認せずに鵜呑みにする：前述の通り、引用自体も検証すべき対象です。これに頼るのは危険です。

最も重要な注意点

ハルシネーションを完全に停止することはできません。目標は「被害の軽減」であり、「完全な排除」ではないという点を常に意識しましょう。ドキュメントへの接地、回答放棄のプロンプト、引用の要求、そして手動による検証——これらのテクニックを組み合わせることで、単一の方法に頼るよりもはるかに強力な防御策となります。

2. 「わからない」と言わせる（強制的な回答放棄）

すべての事実に関するプロンプトに、以下のルールを追加しましょう。
「提供された情報からこれを検証できない場合は、『不明です』または『指定されていません』と答えてください。」

証拠が不足している場合にモデルに回答を放棄させることは、広く推奨されている戦略です。ChatGPTの「カスタム指示」設定に「現実フィルター」を仕込み、推測や推論に基づく内容を事実として提示することを禁止するのも有効です。この設定はすべての会話に適用されるため、非常に便利です。

3. 引用元の明示を義務付ける

各主張に対して、具体的な出典（URLや参照ドキュメント）を要求しましょう。
例：「すべての主張について、信頼できる検証可能な情報源を引用し、そのURLまたは参照ドキュメントを明記してください。」

ただし、ChatGPTが出す引用自体も「幻覚」である可能性があるため、引用はあくまで検証すべき「主張」として扱い、証明として盲信しないことが重要です。とはいえ、引用を義務付けることで、回答の構造がより根拠に基づいたものになります。

4. 複雑な質問は、小さく単純な質問に分解する

漠然とした大きな質問を一つするのではなく、具体的な小さな質問に分割しましょう。タスクを細分化することで、モデルの自由度が減り、根拠のない内容を生成する可能性が低くなります。

• 悪い例: 「気候変動の影響は？」
• 良い例:
  1. 「過去100年で世界の平均気温はどの程度上昇したか？」
  2. 「海面水位はどの程度上昇しているか？」
  3. 「気候変動が農業生産に与える具体的な影響を3つ挙げてください。」

5. ペルソナ（役割）と明確な制約を与える

モデルに明確な役割を与え、曖昧な表現を禁止しましょう。

例：「あなたはリサーチアシスタントです。私が提供したドキュメントの情報のみを使用してください。ドキュメントに答えがない場合は『指定されていません』と答えてください。」

このような厳格な行動規範を設定することで、モデルを提供された文脈に留めることができます。

6. 回答前に自己検証させる（マルチステップ検証）

メタプロンプト（プロンプトを制御するための指示）を追加しましょう。
「回答する前に、すべての事実主張を提供された情報源と照合し、検証できないものはすべて明示してください。」

これにより、モデルは回答を出力する前に自己チェックを行います。モデルに思考過程やソースを表示させることは、その主張を吟味するのに役立ちますが、あなた自身の検証を完全に代替するものではありません。

7. 重要な主張は必ず自分で検証する

ChatGPTが出力した具体的な事実——日付、統計、名前、法律、医療情報、金融情報など——はすべて、「検証すべき仮説」として扱い、決して「信頼すべき結論」として受け入れてはいけません。重要な情報を行動に移す前に、必ず独立した情報源を使って確認しましょう。同じ質問を少し言い回しを変えて別のタイミングで再度尋ねてみるのも有効です。回答に一貫性がなければ、それはハルシネーションの強力なシグナルです。

効果が期待できない方法

• 「本当にそれで合ってる？」と聞くだけ：これは、情報源や証拠の提示、回答の放棄、明示的な検証ステップを要求するよりも効果が弱いです。
• 引用を確認せずに鵜呑みにする：前述の通り、引用自体も検証すべき対象です。これに頼るのは危険です。

最も重要な注意点

ハルシネーションを完全に停止することはできません。目標は「被害の軽減」であり、「完全な排除」ではないという点を常に意識しましょう。ドキュメントへの接地、回答放棄のプロンプト、引用の要求、そして手動による検証——これらのテクニックを組み合わせることで、単一の方法に頼るよりもはるかに強力な防御策となります。