自己整合性とは、同一プロンプトを複数回実行して得た回答を多数決で統合し、精度を高めるプロンプト技法のこと。
自己整合性 (Self-Consistency)とは（詳しく解説）
自己整合性（Self-Consistency）は、2023年にWang らが提案した手法で、Chain-of-Thought プロンプトと組み合わせることで真価を発揮する。同じ質問を温度パラメータを上げた状態で5〜20回実行し、各推論パスの最終答えを集計して最多票を採用する仕組みだ。単一推論より数学・論理問題での正答率が5〜15ポイント向上することが多い。 2026年の実運用では、コストが最大のボトルネックになっている。10回実行すれば単純計算でAPIコストも10倍になるため、AI PICKS編集部が国内企業事例を調査したところ、実際に採用しているのは精度が直接売上に影響するFintechや医療系に限られる傾向が見られた。現場での選び方として「1回でも8割正解なら不要、6割以下なら検討」という相場感が浸透しつつある。 落とし穴は「多数決が必ずしも正しくない」点だ。モデルが同じ誤りを一貫して犯す場合、回数を増やしても誤答が強化されるだけになる。また、クリエイティブ系タスクへの適用は逆効果で、回答が収束しすぎて多様性が失われる。2026年現在、o3系の推論モデルが登場したことで「1回の深い推論 vs 複数回の浅い推論」のコスパ比較が再注目されており、用途に応じた使い分けが求められている。
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「自己整合性 (Self-Consistency)とは」 https://aipicks.jp/glossary/self-consistency
自己整合性 (Self-Consistency)の使用例
- 「以下の数学問題を解いてください。ステップを示しながら答えを出してください」を温度0.7で10回実行し、最頻値の答えを採用する。
- 法律文書の要約タスクで5パターン生成し、全パターンに共通して含まれるキーポイントのみを最終アウトプットとして採用する。
