言語モデルの推論がどのようなプロセスを通じて失敗するのかを理解することは、モデルの信頼性向上に向けた重要な課題です。arXivに発表されたこの研究は、言語モデル（LLM）の推論失敗が特定の識別可能なシグネチャ（特性）を残すことを明らかにしました。研究者たちはトークンレベルの不確実性信号を分析することで、失敗が2つの明確に区別できるプロセスを通じて発生することを発見しました。 第一のプロセスは「確定的失敗」（committed failure）と呼ばれるもので、モデルが推論トレースの初期段階で誤った推論経路に固執してしまう現象です。この失敗モードの重要な診断特性は「確定ポイント」と呼ばれる地点で、このポイント以降は追加のトークンを検討することが失敗検出をかえって困難にします。第二のプロセスは「持続的不確実性」で、この場合は不確実性が推論全体を通じて蓄積され、失敗と成功の判別には完全なトレース情報が必要となります。 この研究は23のモデル・データセット組み合わせにわたって検証され、フレームワークの予測可能な予言が20の23ケースで成り立つという高い再現性を示しました。さらに重要なことに、この失敗モード分析は自己無撞着性（self-consistency）戦略に直結した応用可能性があります。研究は不確実性信号がいつ自己無撞着性を補完するのか、そしてどの場合にはそれを選別的にスキップできるのかを特定しています。これらの知見は、LLMの推論失敗がいつ検出可能となるのか、そしてその検出戦略をどのように適応させるべきかについて、理解の基礎を提供します。