複数の推論を組み合わせるAIが、理論計算機科学の論文を投稿前に点検した。Googleは、計算ミスから証明の論理的な欠落まで検出したと報告している。著者は指摘を選別し、自分たちで検証する出発点として利用した。
複数の解法候補を並行して検討する
Googleは、理論計算機科学の国際会議STOC 2026の著者を対象に、投稿前原稿へAIの自動フィードバックを提供する実験を行った。点検には、AIモデルGemini 2.5 Deep Thinkの高度版を使用した。
点検ツールは複数の解法候補を並行して探索し、それらを組み合わせて回答を生成する。Googleは、異なる推論過程と評価過程を組み合わせることで、もっともらしい誤った生成を減らし、重要な問題へ点検を集中させると説明している。
補題や定理への指摘を分けて返す
著者が受け取るフィードバックは、論文の貢献の要約、誤りの可能性と改善点、軽微な修正と誤字の指摘に分かれる。論文全体の内容を整理したうえで、技術的な問題と表記の修正を別々に提示する形式だ。
技術的な指摘には、個別の補題や定理を分析したものも含まれた。著者は、論文全体への評価に加え、証明を構成する特定の箇所への指摘を受け取った。
表記の不一致から証明を崩す誤りまで
Googleが報告した検出例は、変数名の不一致、計算ミス、不等式の誤用、証明の論理的な欠落に及ぶ。表記の整合性に加えて、計算や論証が成立するかどうかに関わる問題も指摘したという。
参加者の一人は、数カ月見逃していた重大な問題をツールが見つけたと述べた。その問題は証明全体を誤りにするものだったという、著者自身による具体例だ。
著者が指摘を選別し、検証へつなげる
実験後の調査には100人を超える参加者が回答した。Googleが示した集計では、回答の公表に同意した人の97%がフィードバックを有用と評価した。この割合は、指摘の正答率ではなく、利用した著者による評価を表す。
一方、複雑な記法の読み取りや図の解釈では、誤った出力も生じた。各分野の専門家である著者は、その出力から有用な指摘を選別し、自分たちで検証するための出発点として使った。