Abstractの要約 HALOは、言語モデルの幻覚を抑制するための層状防御アーキテクチャである。複数の検証・根拠付けの層を組み合わせることで、出力の信頼性とトレーサビリティを高め、不可知性の高いケースでの不確実性を適切に扱えるよう設計されている。第一層はデータのグラウンディングとリトリーブを担当し、外部情報源から根拠を引き出して出力と紐づける。第二層は事実検証と整合性チェックを行い、推論経路と結論の整合性を検証する。第三層は出力の自己検証と制御を実装し、過信を抑制する仕組みを提供する。第四層にはユーザーフィードバックと知識更新を取り込み、知識ベースの鮮度と正確性を保つ。これらの層を通じて、出力が根拠付きであることを担保し、信頼性の高い回答を提供することを目標とする。計画的な設計と評価設計に基づく実装は、医療や法務など高信頼性が求められる領域での適用性を拡張する可能性を示唆する。 背景と関連研究 近年、RAG（Retrieval-Augmented Generation）とファクトチェックの組み合わせは、幻覚を抑制する有力なアプローチとして定着している。検索で取り出した根拠を出