一発生成の答えを信じるのをやめて、複数のモデルに殴り合わせてから結論を出す。 GANの敵対的構造を推論時に移植した Claude Code スキルの設計解説。
- 著者: Ryousuke_Wayama(@wayama_ryousuke
- 日付: 2026-07-09
- 経緯: 着想はGAN(2023年の予想ツイート)/ 設計の壁打ちは Claude Fable 5 と実施
- リポジトリ: https://github.com/makinux/adversarial-panel
背景:なぜ一発回答では足りないのか
LLMの答えがいちばん危ういのは、間違っているときではなく、間違っているのに自信満々なときです。単一モデルの単一パスには、これを検出する仕組みが構造的にありません。自己批判(self-critique)をさせても、生成時の盲点と批判時の盲点は同じ重みから来ているので相関しており、しかもモデルは自分の出力を高く評価する self-preference bias を持つことが実証されています。つまり「自分で書いて自分でレビューする」は、監査としては最初から利益相反なのです。
このスキルの着想はGANにあります。GANの本質は生成器と識別器を競わせる構造そのものではなく、その背後にある原理——作るより見抜く方が簡単という非対称性です。生成物の正しさを生成側が自前で保証するより、独立した敵対者に攻撃させて生き残ったものだけを通す方が、同じ計算量で高い品質保証が得られる。GANはこのループを勾配で回しましたが、adversarial-panel は自然言語の批判で回します。信号の媒体が変わっただけで、ゲームの構造は同じです。
ただし多モデルを並べること自体に価値はありません。効くのは次の2つの設計特性で、スキルはこれを意図的に作り込むよう設計されています。
- 誤りの非相関(Decorrelation) — レビュアーが生成者の見落としを拾えるのは、失敗モードが異なるときだけ。同一モデルのパネルは盲点を共有するため、「全員一致」が見かけほどの証拠になりません。モデルファミリーを跨ぐことが本体です。
- 検証優位(Verification advantage) — 与えられた答えの反証は、答えを作るより易しい。だから批判者には検証可能な主張を狙わせます。「怪しいと思う」ではなく「入力Xで落ちる」——断言ではなく再現で反証する。
アーキテクチャ:ファシリテータとパネリスト
構成要素は2種類だけです。メインセッション(Claude Code本体)がファシリテータとして進行・検証・統合を担い、2〜4体のパネリストが回答と相互批判を担います。ファシリテータは自分の意見をパネルの口から語らせてはならず(facilitator capture の禁止)、意見を足すなら「ファシリテータの見解」とラベルを付けます。
図1 — adversarial-panel の構成。 ファシリテータが自己完結したbriefを配布し(実線)、パネリストは互いの回答を攻撃し合ったうえで(Cross-critique)、回答と批判をファシリテータに返す(破線)。ラウンドごとにこのループが回る。
パネリストの調達には優先順位があり、異質性(heterogeneity)を最大化する順に選びます。
- 別モデルファミリー — Codex等の外部CLIをBash経由で。誤りの非相関がもっとも強い。
- 別のClaudeモデル — Agentツールの model パラメータで(Opus/Sonnet/Haiku)。
- 同一モデル+強制的な方法論の分岐 — 第一原理から論じる者、基準率(outside view)から論じる者、反証だけを探す者、検証可能な主張を再実行する者。口調ではなく方法を分ける。
デフォルトは2パネリスト×3ラウンド。コストはパネリスト数×ラウンド数で伸びるので、3〜4体への拡張はユーザーが徹底性を求めたときだけです。
プロトコル:4ラウンド+統合
図2 — プロトコルの進行。 白がファシリテータの担当、紫がパネリストの担当。Round 1 の後には「回答が実体を伴っているか」の検証ゲートが挟まる。安価な問いでは Round 2 と 3 を1回に統合できる。
Round 0 — フレーミングと要否判断
まずパネルを開くべきかを判断します。低スティクスな問いや確信が正当化できる場合は直接答え、パネルは選択肢として提示するだけ。重要かつ、係争的または検証可能な問いにだけフルパネルを起動します——批判がコストに見合うのはそこだからです。
ここには「トリアージの罠」への防衛が組み込まれています。この関門を運用するのは、パネルが盲点を捕まえるべき当のモデル自身なので、自信満々に間違えるタスクほど関門が開かない。だからユーザーが明示的にパネルを求めたら確信度に関係なく実行し、重要な問いでは自分の確信ではなく賭け金の大きさで判断します。
次に自己完結したbriefを書きます。サブエージェントは会話の文脈を一切見られないため、問い・文脈・制約・成果物形式に加えて「事実と推測を分離し、主要な主張には確信度と反証条件(どんな観察があれば覆るか)を付けよ」という指示まで、briefだけで完結させます。反証条件は「入力Xで落ちる」「ソースYと矛盾する」のように具体的で検査可能でなければならず、「反対の証拠が出てきたら」のような汎用文は較正の演技(calibration theater)として欠落扱いです。
Round 1 — 独立回答(並列・blind)
全パネリストを並列起動します。誰も他者の回答を見ないのが絶対条件で、他の回答を見たパネリストはそこにアンカーしてしまい、独立性という前提が壊れます。
返ってきたら検証ゲート:ステータス行やエラーダンプは回答ではありません。それを議事録に入れると、以降のラウンドは亡霊を批判し続けることになる(後述の ghost panelist)。失敗したパネリストは再実行し、2度失敗したら異質性の階層を1段下げて続行し、実際に走ったパネル構成をユーザーに開示します。
Round 2 — 相互批判(並列)
各パネリストに他のパネリストの回答を渡します。具体的な主張を引用して攻撃する——事実誤認、弱い証拠、論理の飛躍、見落とされた代替案、暗黙の前提。検証可能な主張は再現で反証する(コードを走らせる、数値を再計算する、出典を確認する)。同意の水増し、要約、賞賛は禁止。譲歩にも攻撃にも理由が要ります。
Round 3 — 最終見解(並列)
各パネリストに自分への批判を渡し、正当な攻撃には(社交ではなく理由をもって)譲歩し、生き残った主張は理由付きで防御し、残る不確実性と較正済み確信度+反証条件を述べさせます。理由のない全面転向はシコファンシー(追従)のフラグなので、受理する前に転向の根拠を問い直します。
Synthesis — ファシリテータによる統合
最終出力は合意点/対立点/結論の3部構成です。
- 合意点 — それを支える最強の論拠を1つ添え、その収束が強い証拠か(異種パネル)弱い証拠か(同族パネル、盲点共有の可能性)を明示する。
- 対立点 — 「誰が・何を・どの証拠で」+ファシリテータの裁定として書き、証拠の強さで重み付けする。片方に再現可能な証拠があり片方が直感なら裁定を下す。両論併記は中立ではなく偽りのバランス。
- 結論 — 確信度、結論を変えうる条件、保存に値する少数意見、採否した批判の監査証跡を付ける。
全工程で守る3つの不変条件
不変条件
内容
Independence
Round 1 の回答はblindで生成する。他者の回答を見たパネリストはアンカーされ、独立サンプルでなくなる。
Adversariality
新しい論拠のない同意はラウンドの失敗。「少なくとも1つの中心的主張に反対せよ、それを探せ」まで強制する。
No averaging
統合は平均ではない。対立は保存して裁定する。足して2で割った瞬間、パネルが生んだ信号は消える。
GANとの対応関係
「敵対的生成の推論時移植」という設計意図を対応表にするとこうなります。GANで既知の失敗モードに、パネル側の失敗モードがきれいに対応するのがポイントです。
GAN(訓練時)
adversarial-panel(推論時)
生成器(Generator)
パネリストの独立回答(Round 1)
識別器(Discriminator)
相互批判の攻撃側(Round 2)
勾配による更新
自然言語の批判と、理由付きの譲歩・防御(Round 3)
ミニマックス均衡
ファシリテータの裁定付き統合(Synthesis)
識別器の優位性
検証非対称性——作るより見抜く方が易しい
重み共有の禁止
モデルファミリーの分離——誤りの非相関
モード崩壊
相互同意均衡(sycophantic convergence)
失敗モードと対策 — すべて実運用で観測済み
スキルのアンチパターン集は理論上の懸念ではなく、実際に踏んだ地雷のカタログです。
- 亡霊パネリスト(ghost panelist) ステータス文字列やエラーダンプが回答として議事録に混入し、以降の全ラウンドが空気を相手に議論する。 → 対策: Round 1 直後の検証ゲート。外部CLIはフォアグラウンド実行を強制し、完了を待たずに戻るラッパーを禁止する。
- 追従的収束(sycophantic convergence) Round 2 で新しい論拠なしに全員が同意してしまう。GANのモード崩壊に相当。 → 対策: 「あなたは少なくとも1つの中心的主張に反対している。それを見つけよ」を批判プロンプトに追加する。
- ファシリテータの簒奪(facilitator capture) 進行役が自分の事前意見をパネルの口から語らせ、合議の権威でロンダリングする。 → 対策: ファシリテータの見解は必ずラベル付きで分離する。
- 確信度の演技(confidence theater) 反証条件を伴わない数値確信度。「確信度80%」は、何が観測されたら撤回するのかを言えなければ意味を持たない。 → 対策: 反証条件のない確信度は欠落として扱う。
- 多様性の錯覚(diversity illusion) 同一モデルのペルソナ違いを独立レビュアーと見なす。「Red Team」という役名では誤りは非相関にならない——別モデル、別の方法論、または主張の実再現だけが非相関を生む。 → 対策: 同族パネルの収束は弱い証拠として明示的に格下げする。
使いどころと呼び出し方
スキル本体は makinux/adversarial-panel で公開しています。Claude Code に ~/.claude/skills/adversarial-panel/SKILL.md として置いておくと、明示呼び出しのほか、次のような自然文でも発火します。
「この設計、OpusとCodexで敵対的レビューして」 「本当に? 議論させて確かめて」 / "red-team this" / 「セカンドオピニオンが欲しい」 重要な論点で「are you sure?」と確信を問い詰めたときも、能動的に発火候補になる
向いているのは、重要で、かつ争いがあるか検証可能な問いです。アーキテクチャ選定、障害の根本原因仮説、技術予測、リサーチ結論の検証など。逆に、低スティクスな問いに開くのはコストの無駄で、Round 0 のトリアージがそれを弾きます。コストはパネリスト数×ラウンド数に比例するため、日常は2×3、勝負どころだけ3〜4体に拡張、が目安です。
環境が貧しいときの縮退も定義されています。
- サブエージェント機構がない → 順次実行の分離セクションで代替(重みも文脈も共有するため弱い——統合でそう明記する)
- 単一ファミリーしか使えない → 方法論分岐(第3階層)に落とし、収束の証拠力を格下げする
- 外部CLIが2度落ちた → そのパネリストを外し、続行し、開示する
どの階層で実際に走ったかは、意図ではなく実測で報告する——これが監査可能性の要です。
おわりに:推論時から訓練時へ
2023年に「LLMの次は敵対的生成」と予想したとき、頭にあったのはGAN的な訓練スキームでした。
https://x.com/wayama_ryousuke/status/1658698942161510400
3年経って答え合わせをすると、敵対的構造は訓練時(勾配)ではなく推論時(自然言語の批判)で先に実用化されました。CriticGPTのような批判専用モデル、multi-agent debate研究、コーディング現場のクロスレビュー運用——業界は同じ構造に別々の入口から収束しつつあります。
次の段階はおそらく再統合です。推論時レビューの成果は毎回使い捨てですが、批判をRLの報酬信号に変換すれば(RLAIF路線)、敵対の成果が重みに蓄積される——つまりGANが本来やっていたことに戻ってくる。「敵対的レビューの結果で次のモデルを訓練する」ところまで行けば、このスキルは過渡期のプロトタイプだったことになります。それまでの間、単一パスの答えに賭け金を積む前に、モデル同士を殴り合わせておく価値は十分にあります。
本記事は Claude Code スキル adversarial-panel(SKILL.md)の設計解説です。概念:@wayama_ryousuke(着想はGAN、設計の壁打ちは Claude Fable 5 と実施)。図版は Executor/Advisor 型のエージェント構成図の作法に倣った。
