Chain-of-Verification(CoVe)|AI 用語辞典
用語辞典 / プロンプト・活用

Chain-of-Verification(CoVe)Chain-of-Verification — 読み:ちぇーんおぶべりふぃけーしょん

Chain-of-Verification(CoVe)は、AIに答えを書かせたあとで、その答えを確かめるための質問を自分で作らせ、1問ずつ答えさせてから最終稿を書き直させる手順です。長い文章ほど混ざりやすい事実の誤りを減らす目的で提案されました。このページでは、仕組み・出典・向き不向き・FAQ をまとめます。

分類:プロンプト・活用タイプ:実務型(プロンプト 3 本)更新:2026年10月25日出典付き:はい
01

導入Introduction

Chain-of-Verification(CoVe)は、AIに答えを書かせたあとで、その答えを確かめるための質問を自分で作らせ、1問ずつ答えさせてから最終稿を書き直させる手順です。長い文章ほど混ざりやすい事実の誤りを減らす目的で提案されました。このページでは、仕組み・出典・向き不向き・FAQ をまとめます。

このページの使い方:定義と仕組みで概念を掴み、プロンプト集で実務に落とし込み、FAQ で細部を確認できます。関連用語のリンクで、必要な範囲だけをたどって学べます。
02

用語の定義Definition

Chain-of-Verification(CoVe)は、AIに答えを書かせたあとで、その答えを確かめるための質問を自分で作らせ、1問ずつ答えさせてから最終稿を書き直させる手順です。長い文章ほど混ざりやすい事実の誤りを減らす目的で提案されました。このページでは、仕組み・出典・向き不向き・FAQ をまとめます。

  • 下書き・検証質問の計画・質問への回答・最終稿の4段階で進む
  • 検証質問は1問ずつ独立して答えさせるため、下書きの誤りに引きずられにくい
  • 事実の誤りは減るが、推論の誤りまでは消えないと論文が明記している

出典:my-best.ai 用語辞典「Chain-of-Verification(CoVe)」(https://my-best.ai/ai-dictionary/chain-of-verification/)

03

仕組み・原理How it works

① 長い答えほど事実の誤りが混ざる

大規模言語モデルは、もっともらしいが誤った事実を書いてしまうことがあります。論文はこれを幻覚(hallucination)と呼び、長い文章を生成するときや、学習データにあまり出てこない事実を扱うときに目立ちやすいと述べています。短文の質問なら気づける誤りも、段落が増えると見落とされます。

② 4つの段階に分ける

論文が提案する CoVe は、(1)下書きを書く、(2)下書きを事実確認するための検証質問を立てる、(3)その質問に1問ずつ答える、(4)回答を踏まえて最終稿を書く、という4段階です。各段階は独立した指示として投げられます。一度に全部を書かせるのではなく、点検の工程を挟む点が特徴です。

③ 質問を独立して答えさせる

論文は、検証質問への回答を、他の回答に影響されない形で個別に求める点を重視しています。下書きを読み返しながらまとめて点検すると、下書きの言い回しに引っ張られて「合っている」と判断してしまいます。質問を切り離して1問ずつ聞くと、「その人物はどこで生まれたか」のような短い問いに集中できます。短い問いのほうが、長い文章の中の記述より正確に答える傾向があるとされています。

④ 限界も論文に書かれている

論文は、CoVe が事実の誤りを減らす一方で、推論の手順そのものの誤りは評価していないと明記しています。また、誤りを見つける役をモデル自身が担うため、モデルが自分の誤りに気づけない場合は効果が出ません。点数を下げる仕組みではなく、点検の回を増やす仕組みだと理解しておくのが正確です。

1下書きを書くまず普通に答えさせる(誤りが混ざってよい)2検証質問を立てる主張を1つずつ問いに変える31問ずつ答える他の回答を見せずに独立して答えさせる4下書きを直す回答と食い違う箇所だけを修正する5最終稿を残すどの質問で直したかを記録する
CoVe は「書く」と「確かめる」を分ける
04

原始出處Origin

CoVe は、2023年9月に公開された論文で提案されました。著者らは、もっともらしいが誤った事実の生成(幻覚)が未解決の課題であると置き、モデル自身に自分の回答を吟味させる方法を検討しています。提案された手順は、下書き、検証質問の計画、質問への独立した回答、最終稿の4段階です。実験では、Wikidata のリスト形式の質問、閉じた本の MultiSpanQA、長文生成の3種類の課題で幻覚が減ったと報告されています。なお、この論文は推論手順の誤りを対象にしておらず、誤りを完全に除くものでもないと著者ら自身が述べています。

  • Dhuliawala ほか「Chain-of-Verification Reduces Hallucination in Large Language Models」(arXiv:2309.11495、2023年9月20日公開、2026年10月25日参照)
05

応用シーンUse cases

提案書の事実確認

数値・固有名詞・年を1つずつ問いに変えて確かめます

社内FAQの下書き点検

古い手順が混ざっていないかを質問で洗い出します

比較表の元データ確認

各社の対応可否を個別に聞き直します

記事の公開前チェック

引用した人名と役職の組み合わせを検証します

06

メリット・デメリットPros & Cons

メリット

  • 長い文章に混ざる事実の誤りを、書き直しの前に見つけやすい
  • 検証質問がそのまま確認記録として残る
  • 追加の学習や調整が要らず、指示の分け方だけで試せる

デメリット・注意点

  • 下書き・質問・回答・最終稿と4回やり取りするため、時間がかかる
  • モデルが自分の誤りに気づけない種類の誤りには効かない
  • 推論の筋道の誤りは対象外で、別の点検が必要になる
07

よくある誤解Misconceptions

CoVe を入れれば誤りはゼロになる
なりません。論文も、幻覚を減らすが除くものではないと書いています。検証質問に答えられる範囲の誤りしか直せず、そもそも手元の資料に正解がない場合は、質問への回答も同じように外れます。
検証質問はAIが作るので、質問自体は正しい
質問の妥当性もモデルに依存します。論点からずれた質問が並ぶと、点検したつもりで何も確かめていない状態になります。質問の一覧は人が読んで、「確かめたい主張が問いになっているか」を確認してください。
08

関連用語Related terms

用語同士は相互リンクされています。未掲載の用語は用語一覧の該当項目へリンクします。

09

プロンプト集Prompt collection

実務でそのまま使えるプロンプト例です。コピーして〔 〕内を置き換えてください。同じカードはプロンプト集にも掲載されています。

Chain-of-Verific

下書きから検証質問を作らせる

点検の準備

次の下書きに含まれる事実の主張を1つずつ取り出し、確認用の質問に変えてください。
下書き:(ここに貼る)

①主張(1文で) ②検証質問 ③質問に答えるのに必要な資料、の3列の表にしてください。意見や評価は表に入れず、事実だけを対象にしてください。
Chain-of-Verific

1問ずつ独立して答えさせる

検証の実行

これから検証質問を1つずつ出します。前の回答は参照せず、その質問だけに答えてください。分からない場合は「確認できません」と書いてください。
質問:(ここに1問だけ書く)
Chain-of-Verific

食い違いだけを直させる

最終稿の作成

下書きと検証の結果を渡します。下書きのうち、検証結果と食い違う文だけを修正し、修正前・修正後・理由の3列の表にしてください。食い違いがない文は表に入れないでください。
下書き:(ここに貼る)
検証結果:(ここに貼る)
10

FAQ(よくある質問)FAQ

ふつうに「見直して」と頼むのと何が違いますか?
点検を質問の形に分けるかどうかの違いです。「見直して」とだけ頼むと、下書きの言い回しをなぞった確認になりがちです。CoVe は主張を1つずつ問いに変え、他の回答を見せずに答えさせるため、下書きの誤りに引きずられにくくなります。
どのくらい時間がかかりますか?
やり取りの回数が4回に増えるぶん、単純に長くなります。すべての文章に適用するのではなく、数値や固有名詞を含む文書、社外に出す文書に限って使うほうが現実的です。社内メモのような読み返す前提の文書には向きません。
日本語でも同じように使えますか?
手順は言語に依存しません。ただし検証質問を日本語で作らせると、「〜はどこにあるか」のような曖昧な問いになりやすいので、質問の形を「はい/いいえ」か「1語で答える」に指定すると点検しやすくなります。
11

出典・参考文献References

出典:次の一次資料を参照しました(参照日 2026年10月25日)。リンクは貼らず、媒体名と資料名のみを記します。

  • Dhuliawala ほか「Chain-of-Verification Reduces Hallucination in Large Language Models」(arXiv:2309.11495、2023年9月20日公開、2026年10月25日参照)

定義・出典の記述は一次資料に基づきます。リンク先の内容は公開時点のものです。

学習ルート:はじめての方は チュートリアル「はじめての LLM 活用」 から読み、用語の意味を引くときは 用語一覧、そのまま使える例文は プロンプト集、実務の手順は ガイド一覧 を参照してください。
12

まとめSummary

CoVe は、答えを書かせたあとに検証質問を作らせ、1問ずつ答えさせてから最終稿を書き直させる手順です。長い文章に混ざる事実の誤りを、公開前に見つける用途に向きます。推論の誤りは対象外で、モデルが自分の誤りに気づけない場合は効きません。社外に出す文書と、数値を含む文書に絞って使うのが実用的です。

  • 下書き・質問の計画・独立した回答・最終稿の4段階で進む
  • 検証質問は1問ずつ切り離して答えるため、下書きに引きずられにくい
  • 事実の誤りは減るが、推論の誤りは別に点検が要る

次はチュートリアルで手を動かす

CoVe で社外文書を点検する:検証質問を5手順で回す — 所要 15〜30 分程度の実践形式です。

チュートリアルを開く →

AIクローラーの主要運営者

  • Yandexクローラー39種
  • Googleクローラー32種
  • Baiduクローラー10種
  • Amazonクローラー8種
  • Metaクローラー8種
  • OpenAIクローラー6種
  • Anthropicクローラー6種
  • Microsoftクローラー6種
  • ByteDanceクローラー4種
  • Mistral AIクローラー3種
  • Awarioクローラー3種
  • Semrushクローラー3種

運営者109社をすべて見る →

週1回・無料

AEO診断・AIクローラー最新情報を、
週1回お届け

AI Botの仕様変更やAEO対策のノウハウ、よくあるトラブル事例を編集部が厳選しメール配信。いつでも配信停止可能です。

  • 新Bot・仕様変更AIクローラーに新しいBotが追加されたとき、判定仕様が変わったときの速報
  • 障害事例と対処AEO診断で多い障害事例と、その対処方法を実例で解説
  • AEO活用術Web制作会社・SEO担当者向けのAEO活用テクニック

登録により 利用規約に同意したとみなされます。確認メールのリンクを押すと登録が完了します。

My-Best.AI|AIツール比較・ランキング・おすすめ最新AI情報
Logo