Chain-of-Verification（CoVe）（チェーンオブベリフィケーションシーオーブイイー）
LLMの自己検証手法。①初期回答生成 → ②検証質問策定 → ③独立回答 → ④修正回答の4ステップでハルシネーションを軽減。Meta AI 2023年提案。
Chain-of-Verification（CoVe）とは
Chain-of-Verification（CoVe; 検証の連鎖）は、Meta AI（Dhuliawala et al., 2023; "Chain-of-Verification Reduces Hallucination in Large Language Models"）が提案した、LLMが自己の回答を段階的に検証・修正するフレームワークである。外部知識ベースや追加モデルを必要とせず、LLM単体の推論能力だけでハルシネーションを低減できる点が特徴。
4ステップパイプライン
Step 1: 初期回答生成（Draft Response）
通常の推論で初期回答を生成する。この段階ではハルシネーションが含まれている可能性がある。
Prompt: 「アルベルト・アインシュタインの経歴を説明してください」
Draft: 「1879年ドイツ生まれ。1905年に特殊相対性理論を発表。
1921年ノーベル物理学賞受賞（光電効果）。1955年米国で死去」
Step 2: 検証計画策定（Verification Planning）
初期回答から検証すべきClaimを特定し、それぞれを独立した質問形式に変換する。重要: この質問は初期回答から独立して回答できるよう設計する（初期回答のバイアスを排除）。
検証質問:
1. アインシュタインはいつ生まれましたか？
2. 特殊相対性理論の発表年は？
3. ノーベル物理学賞の受賞年と受賞理由は？
4. アインシュタインの死去年は？
Step 3: 独立検証実行（Execute Verifications）
各検証質問に対し、初期回答を参照せずに独立して回答する。これが「独立性の担保」の核心。
検証回答:
1. 1879年3月14日（正しい）
2. 1905年（正しい）
3. 1921年受賞・光電効果（正しい — Draftは「1921年」と書いたが正確）
4. 1955年4月18日（正しい）
Step 4: 最終回答生成（Final Verified Response）
初期回答と検証結果を比較し、矛盾が検出された場合は修正した最終回答を生成する。
CoVeのバリエーション
Factor (Factored Verification)：検証質問への回答をLLM単体で行う基本形。
Factor+Revise：回答後にさらに改訂ステップを追加。
Joint：検証質問の生成と回答を同時に行う効率的な変種。
Two-Turn：会話形式で1ターン目に質問、2ターン目に回答する人間的なインタラクション模倣型。
実験結果
Dhuliawala et al.の原論文では、WikiData・Multi-span QA・Longform Generationの3タスクで評価。
- WikiData QA：FactualエラーをCoVeで平均28%削減
- List Question（「〇〇の著作を5つ列挙」系）：架空エントリの混入率を大幅低減
- Longform（人物伝記等）：FActScoreをベースラインより顕著に改善
他手法との比較
| 手法 | 外部検索 | 多回サンプリング | 追加モデル |
|---|---|---|---|
| CoVe | 不要 | 不要 | 不要 |
| SelfCheckGPT | 不要 | 必要（N回） | 不要 |
| RAG | 必要 | 不要 | 不要 |
| RAV | 必要 | 不要 | NLIモデル |
CoVeの最大の利点は、外部リソース・多回サンプリング・追加モデルのいずれも不要なこと。ただし検証質問の「独立性」が維持できない場合、自己確認バイアスが発生して誤りを見逃すリスクがある。
2025年以降の発展
CoVeはChain-of-Thought（CoT）と組み合わせた「CoT + CoVe」パイプラインや、Reflexion（自己改善ループ）との統合として発展。また、推論モデル（o1/o3）が内部でCoVe類似の自己検証を行うアーキテクチャを採用していると推測されており、自己検証の内在化という方向で研究が進んでいる。