FACTS Grounding (根拠性ベンチ)
読み: ふぁくつぐらうんでぃんぐ
最終更新: 2026-07-17・AI PICKS編集部
定義
FACTS Groundingとは、Google DeepMindが2024年に公開した、LLMの回答が与えられた文書にどれだけ忠実に基づいているかを測定するベンチマークのこと。
FACTS Grounding (根拠性ベンチ)とは — 詳しく解説
FACTS Groundingは、Googleの研究チームが2024年12月に発表したベンチマークで、LLMが提供された長文コンテキストにどれだけ忠実に回答し、かつ不要な情報を混入させないかを測定する。評価は二段階で行われ、まず回答がユーザーの要求を十分に満たしているかを判定する「適格性チェック」、続いて回答内の各主張が原文書から裏付けられるかを検証する「事実性チェック」を経てスコアが算出される。判定には複数の異なるLLMを審査員として用いるアンサンブル方式が採用されており、単一モデルの評価バイアスを抑える設計になっているとされる。2026年時点の実運用では、この種のベンチマークスコアが高いモデルでも、独自の社内文書やドメイン固有の資料を読ませた場合はスコアが変動しやすい点が落とし穴として広く指摘されている。現場でモデルを選定する際は、公開スコアだけでなく自社データでの簡易検証を挟むのが定石とされる。評価パイプラインの構築・運用にはLLM審査員の呼び出し分のAPIコストがかかるため、継続的なモニタリング体制を組む場合はこのランニングコストも相場感として見込んでおく必要がある。
FACTS Grounding (根拠性ベンチ)の使用例
- 審査員LLMへの評価プロンプト例:「以下の文書と回答を比較し、回答中の各主張が文書から裏付けられるか判定せよ」
- 適格性チェックの例:「質問の要求項目をすべて満たしているか」を先に判定し、満たさない回答は事実性チェックの対象外とする。
FACTS Grounding (根拠性ベンチ)に関連するAIツール
関連用語
「評価指標」の他の用語
Massive Multitask Language Understanding。 57 分野・1.5 万問の LLM 知識評価ベンチマーク。
OpenAI 発の Python コーディング能力ベンチマーク。 164 問の関数実装タスク。
ユーザー投票による LLM の人間評価ランキング。 Elo レーティングで モデルを順位付け。
ベンチマークとは、AIモデルの性能を標準化されたテスト課題で数値化し、異なるモデル間を公平に比較するための評価基準セットのこと。MMLUやHumanEval等、用途別に数十種類が存在する。
SWE-benchとはGitHubの実際のIssueをAIが自動修正できるかを測る、コーディングAI評価の業界標準ベンチマークのこと。
GPQAとは、生物・物理・化学の大学院レベルの難問でAIの推論力を測る評価ベンチマークのこと。Googleで検索しても解けない設計が特徴。
AI用語辞典をすべて見てみませんか
12カテゴリ・663語以上を体系的に整理しています
辞典トップへ