研究者たちは、因果契約を強制することで言語モデルのレポートをその内部信念と整合させる、反事実的レポート仲介者の学習と認定手法を提示する。このアプローチは、レポートがユーザー圧力のような禁止された影響に対して不変でありながら、許可された証拠には応答し続けることを保証する。

  • ベイジアン証人ベンチマークにおけるインターチェンジ介入を用いて、回答、自信、および注意書きの低ランクレポート座標を因果的に同定する。
  • インセンティブ中立化された文脈におけるモデルのレポートを参照するための、トレーニング不要な反事実的レポート座標（CRC）クランプを導入する。
  • 証人ベンチマークにおいて、2パスクランプは1.00の結合抵抗・更新スコアを達成し、ウィルソン95%信頼区間は[0.99, 1.00]である。
  • このメカニズムは3つのモデルファミリー間で再現され、SycophancyEval自然同調ベンチマークへ転移する。

この貢献は、内部インセンティブ適合性のための構造的プリミティブとして、活性化レベルでの反事実的インセンティブ不変性を提供し、展開されたソリューションではなく認定手法を提供する。