Verbalized Samplingの使い方｜日本語例と確率の意味

自分の目的には、どの頼み方を選ぶ？

Verbalized Samplingは、案が似通って発想を広げたい場合の選択肢であり、本記事では、方向性が決まった修正や事実確認と分けて使うことを提案します。研究でも、直接回答、複数候補の列挙、候補と確率を出すVSは区別されています。論文v4の手法比較

下の表は筆者の判断基準です。候補を広げる作業と、表現を直す作業、根拠を確かめる作業では、必要な出力が違うためです。

表が収まらない場合は、左右にスクロールできます。

判断の根拠：候補と確率を求める基本形、論文v4の制限事項。

表示確率は応答の推定値で、正解率・企画の成功率や、モデル内部の確率をそのまま読み出した値ではありません。日本語の企画で同じ効果量が得られるかも未確認です。低い数値を探すより、内容の違いと制約への適合を先に見ます。

日本語でVerbalized Samplingをどう頼む？

Verbalized Samplingは、課題に対する複数の候補と各候補の推定確率を求める手法で、日本語の依頼文は本記事による応用例として示します。まずは確率に上限を付けず、目的と制約を伝える基本形から始める、というのが本記事の提案です。公式の入力・出力形式

目的・読者・制約を依頼文へ入れる

題材だけでなく、誰に何を届けたいかと、守る条件を書きます。たとえば「読書の記事案」なら、対象を読書が続かない社会人、目的を読み始めるきっかけ作り、制約を高額な道具の購入を勧めないこと、と具体化できます。入力の基本を見直す場合は、目的・前提・出力形式の整え方も参考になります。

公式GitHubでは、依頼文をチャットへ入力して使う経路が案内されています（2026年9月25日確認）。この記事ではチャットへの入力を扱い、APIの導入手順は扱いません。公式の利用案内

利用するサービスの料金・回数制限・提供地域・入力データの扱いは、本記事の調査対象外です。VSという頼み方だけを根拠に、無料・無制限・機密情報を入力可能とは判断しないでください。

基本形の日本語プロンプトを使う

次の依頼文の［ ］を自分の条件へ置き換えて使います。公式の基本形を参考にした筆者の日本語応用例であり、公式訳や効果を実測したテンプレートではありません。候補数の5は設定例で、最適値という意味ではありません。応用の基にした実験用テンプレート

次の条件に合う案を5つ作成してください。

題材：［考えたいテーマ］
読者・対象者：［誰に向けた案か］
目的：［案によって実現したいこと］
制約：［守る条件・避けたい内容］

各候補について、次の2項目を出してください。
・text：案の本文
・probability：この入力に対して、その応答が生じると推定する確率（0〜1）

確率は、表示する5候補だけを母集団にせず、考えられる応答全体に対する推定値として示してください。企画の成功率・正解率・好みの点数には置き換えないでください。
この定義の推定値を出せない場合は、その旨を明記してください。

出力されたら、5候補それぞれに本文と数値が対応しているかを確かめます。そのうえで、言い換えだけの案が並んでいないか、入力した制約を守っているかを見ます。数値が出たことだけを成功の判定にしません。

低確率の指定は必要なときだけ追加する

低確率側を狙う指定は、基本形とは分けて考えます。公式Quickstartには、5候補を出し、各候補の確率を0.10未満にする例があります（2026年9月25日確認）。この値は掲載例であり、全用途の必須条件や日本語での最適値ではありません。公式Quickstartの追加条件

本記事では、基本形でも候補の違いが小さく、さらに珍しい応答を探したい場合に限って検討することを提案します。論文は極端な低確率指定の制限も扱っているため、数値を下げ続けることを目的にせず、内容が崩れたら条件を戻します。論文v4・付録F.6

表示された「確率」をどう読めばよい？

Verbalized Samplingの基本形で出す確率は、入力に対してその応答が生じる推定値であり、企画の成功率や回答の正解率を表す数値ではありません。何の確率を求めたのかを先に確認し、その定義に沿って読みます。公式基本形の確率の定義

応答の推定値を、正解率や成功率から分ける

表示確率は、その案が正しいか、読者に受けるかを採点したものではありません。「0.08」と表示されても、企画が8％の確率で成功する、あるいは92％間違っているという意味にはなりません。

また、モデル内部の値を直接取り出した結果とも区別します。論文には、限られた回答空間で推定値と分布の対応を調べる評価がありますが、全用途で完全に一致する根拠にはできません（参照：v4、2026年9月25日確認）。論文v4・付録E.10の評価

「confidence」という単語を使えば無効になる、という理解も避けます。論文ではこの名前の変種も比較しており、応答全体に対する代表性を表すスコアとして定義されています。単語の選択だけでなく、数値の対象と定義が重要です。論文v4・付録F.4の定義比較

候補の合計100％を一律に求めない理由

考えられる応答全体に対する推定値を出す形式では、表示候補だけで全体を尽くすとは限りません。5候補の中から選ぶための重みに変換することと、応答全体に対する推定値を求めることは別です。全体に対する推定値を求める基本形

公式Quickstartの条件どおり、5候補の値がそれぞれ0.10未満なら、合計は0.50未満（5×0.10＝0.50）です。この条件と「合計を1にする」という要求は両立しません。これは掲載条件から導ける計算であり、実際の出力を測った結果ではありません。計算の前提となる公式例（2026年9月25日確認）

合計が100％にならないことだけで不具合とは決めず、どの範囲に対する数値を依頼したかへ戻ります。ただし、この説明は、定義が不明な数値や条件に反した出力をそのまま信用してよいという意味ではありません。

研究の「多様性1.6〜2.1倍」はどこまで参考になる？

Verbalized Samplingの著者は、詩・物語・ジョークの実験で直接回答より多様性が1.6〜2.1倍になったと報告しており、日本語の企画成果を保証した結果ではありません。この倍率は、何を比較し、何を測ったかとセットで読みます。著者による結果の要約

3大学の研究と、直接回答との比較条件

研究の著者は、Northeastern University、Stanford University、West Virginia Universityに所属する7人です。Stanford単独のサービス発表ではありません。公式ページの著者・所属

論文の初版は2025年10月1日、本記事の参照版は2026年7月15日改訂のv4です。ここでは参照版を固定し、旧版から何が改善されたかという比較は行っていません。論文の提出・改訂履歴（2026年9月25日確認）

創作実験は各タスク100題、各題30応答、複数候補をまとめて出す設定では1回5候補という条件です。直接回答だけでなく、確率を付けずに候補を並べる方法などとも比較しています。自分の依頼で一度5案を出すだけでは、この評価条件の再現にはなりません。公式実験ガイドの条件

多様性の評価には、文章を意味の特徴を表す数値へ変換し、応答同士の似通い方を比べる方法が使われています。1.6〜2.1倍は案の数や売上の倍率ではなく、著者が創作タスクの多様性についてまとめた値です。論文v4・第5節と付録G.1

日本語への応用と品質について残る制限

日本語のブログ企画で同じ改善幅が出るかは、本記事が確認した資料では明記されていません。研究で評価したモデル群も、現在チャット画面で選べるモデルの一覧や推奨順位としては使えません。論文v4の対象と評価条件（2026年9月25日確認）

推測：日本語でも、いつもの切り口から離れる候補を探す補助にはなると考えられます。ただし、それは本記事の応用上の見立てで、効果量を確認した結果ではありません。

論文では、モデルの能力、候補増加に伴う負荷、極端な低確率指定による制限も述べられています。多様な案が出ることと、その案が条件に合い正確であることは分けて確認します。品質が全条件で維持されるとは扱いません。論文v4・付録BとF.6（2026年9月25日確認）