大規模言語モデル（LLM）が人間の多様な意見をシミュレートするために、合成調査やフォーカスグループモデリング、世論予測といったオープンエンドのタスクに活用される機会が増えています。しかし実際には、LLMの出力には体系的な意見の均質化という課題が存在します。研究者や実務家たちはこの多様性を増やすためにさまざまな方法を試みてきましたが、現状では各手法が個別に評価され、比較可能な指標がなく、また実装では複数の改善が同時に行われることがほとんどのため、どの要素がどれだけ効果をもたらしているのか判断が難しい状況にありました。 こうした問題を解決するため、研究チームはLLMの出力多様性に関する科学的理解を深めるべく、要因実験を設計しました。この実験では、入力条件付け（ペルソナの詳細度で実装）と相互作用アーキテクチャという2つの主要な介入次元を分離して検証しています。7つのモデルを使用して、実際のユーザーからの100個のオープンエンド質問に対してすべての条件をテストし、複数の相補的な指標を用いて多様性を測定しました。 得られた知見はいくつかの一般的な仮定に異議を唱えるものです。まず、ペルソナの詳細を増やしても、多様性が単調に増加するわけではありません。初期段階のペルソナ条件付けだけで大部分の効果が得られ、人口統計学的な詳細をさらに加えても一貫した改善がなく、むしろモデルによっては多様性を減らす可能性もあります。次に、単一の最適なアーキテクチャを追求するのではなく、異なるアーキテクチャが大きく重ならない意見領域を探索することが明らかになりました。複数のアーキテクチャを組み合わせることで、単一のものを最適化するよりも広いカバレッジが実現します。さらに、サンプリング温度を上げることや多様性指示を追加するといった低コストの代替手段は、構造化された介入と比べて無視できるほどの効果しかありません。 総合的に、この研究は多様性が単一の次元に沿ったスケーリングの結果ではなく、介入の構造的形態とその組み合わせに極めて敏感であることを示しています。