このポッドキャストはNotebook LMにより生成しております。

偽情報は、その内容だけでなく、提示される文体によっても大規模言語モデル（LLM）への影響度が大きく変わることが明らかになっています。

このエピソードでは、Wikipediaエントリや科学論文のような客観的でフォーマルな言語が単一ホップタスクでより大きなリスクをもたらす一方で、

ブログやニュースレポートのような物語的で主観的なコンテンツがマルチホップシナリオでより問題となるというMISBENCHのユニークな分析結果を掘り下げます。

LLMがどのように特定の文体に「説得」されやすいのか、その挙動と知識選好について詳細に議論し、人間と同様に言葉の表現形式に影響されるLLMの複雑な側面を解き明かします。

論文全文：https://arxiv.org/abs/2505.21608