言語モデルは急速な進化を遂げ、かつての信頼性に欠ける単純なテキスト生成ツールから、数兆のパラメータを備えた高度な大規模モデルへと変貌を遂げた。モデルの能力向上は規模の拡大と表裏一体の関係にあり、これに伴ってモデルの内部表現を理解することがますます困難になっている。 現在、数百万人のユーザーが言語モデルに依存して外部ツールと相互作用したり、中程度から高リスクのシナリオで意思決定を行っている。こうした状況において、モデルの動作に対する制御を確立し、モデルの出力をいつ信頼できるのかを把握することが極めて重要になっている。 本論文では、潜在空間を活用するための貢献について述べており、制御のためのステアリングベクトルの提案と、信頼性向上のための潜在空間ベースのモデルキャリブレーターの開発を含んでいる。これらの貢献を組み合わせることで、言語モデルの潜在空間の仕組みを解き明かし、モデルの内部構造をいかに活用してより信頼性の高い言語技術を構築するかについて、新たな知見が得られる。