はじめに 近年、外部信号や retrieved context を活用して回答の正確性を高める試みが広がっている。しかし、信号の出所が不確実だったり、信号自体に偏りがあると、正答から外れた結論に誘導されるリスクも同時に高まる。本稿では、信頼できる情報だけを選択的に取り込み、必要に応じて不確かな情報を補正する考え方として「Selective Context Trust」を提案する。これにより、過剰な信号依存を避けつつ、実運用での利便性と信頼性の両立を目指す。 SCOPE などの実践的アプローチでは、複数条件を同時に満たすよう設計することが重要である。主要な指標として MIST（誤導信号が全体の影響を評価するベンチマーク）と SC2W（誤解を招く信号が正解を覆す頻度を測る指標）を紹介する。さらに、DPO（Direct Preference Optimization）を活用して、4条件を等しくバランスさせた最適化の考え方を説明する。文脈選択の適切さは、AIの信頼性と利便性を両立させる鍵であり、設計の初期段階から検討しておくべきテーマである。 実務の視点では、ローカルLLM運用者やRAG