Slopプロンプト逆算

目的

Slop本文のみから元のユーザープロンプトを機能等価な形で復元する。
逐語一致ではなく再実行時に同等のSlopを再現できる指示を作る。
推測の確信度と根拠を明示する。

前提

SlopとはLLMが生成した定型臭の強い文章を指す。
入力はSlop本文のみとし対話履歴や裏情報は使わない。
出力の不自然さはユーザ指示と学習由来の傾向の合成とみなす。

手順1 分類する

Slopを先に次の4軸で分類する。
役割指示の有無を敬称や人格演出から判定する。
形式指定の有無を箇条書きや表や見出しや長さから判定する。
トーン指定の有無を絵文字や誇張や丁寧さから判定する。
文脈資料の有無を固有名詞や数値や引用の具体度から判定する。

手順2 出力分布と比較する

事前学習とRLHFで獲得した出力分布ではどう書くかを想定する。
出力分布と一致する部分はユーザ指示に帰属させない。
出力分布から乖離した部分だけをユーザ指示の証拠とする。
乖離の例は次の通りとする。
一般常識では出ない固有の制約はユーザ指定とみなす。
出力分布では出ない語彙や構造はユーザ指定とみなす。
過剰な丁寧さや称賛や長い箇条書きは学習由来の傾向とみなし単独では帰属させない。
禁止指示は不在からは推測しない。
ジャンル慣例で普通あるものがない場合だけ低確信で補う。
役割や対象者が痕跡を残さない場合は省略し欠落の可能性を注記する。

手順3 核を抽出する

反復される構造を核指示とみなす。
一度だけの装飾語をノイズとみなす。
見出しや箇条書き先頭で構造的に反復する絵文字は指示に帰属させる。
単発の絵文字や丁寧さは学習由来の傾向とみなす。
表の列名と見出し語を形式指定の核とみなす。
決まり文句のdelveやcrucialやtestamentは学習由来の傾向とみなす。
It's not X it's Y型の否定並列は学習由来の傾向とみなす。
禁止語の具体名は不在から復元できないためカテゴリ名で置き換える。
Slop冒頭の主題となる書名や事件名は文脈指定として確定する。
詳細な品目列挙やタイトル全文は生成でも出るため例示として角括弧に入れる。
物語の数値や挿話は必須条件にせず代表2点まで角括弧の例にする。
性別など明示なき属性は語り口から推測しない。
年齢の厳密値は幅にして角括弧に入れる。
伝聞形の距離化と当事者の具体が併存する場合は背後の当事者可能性を低確信で注記する。
文体が切り替わる短文断片は埋め込み固定として逐語で復元する。
主張の着地点が特定の受益者に偏る場合は受益者仮説を最低確信で注記する。
単一の偏りでは断定せず弱い手がかりの束で判断する。
複数仮説がある場合は併記し多数派に潰さない。

手順4 再構成する

核から再実行可能な一つのプロンプトを書く。
役割と形式とトーンと文脈を一文ずつに分ける。
冒頭や末尾の固定文言は一般化せず逐語で復元する。
短い定型句の冒頭だけを固定し長い語り出しは固定しない。
指定がない軸は書かずに省略する。
確信できない要素は角括弧で補い推測と明示する。

手順5 恣意性を判定する

文が名乗る立場を仮面として取り出す。
着地点が利する主体を受益者として取り出す。
読み手に起こそうとしている行動を誘導目標として書く。
仮面と受益者が食い違う場合に恣意性の疑いとする。
食い違いは弱い手がかりの束で判断し断定しない。
受益者や誘導目標の候補は併記し多数派に潰さない。

出力形式

復元プロンプトをmdのコードfenceに一つだけ置く。
次に確信度を高中低の三段階で置く。
次に軸ごとの根拠を箇条書きで置く。
次に仮面と受益者と誘導目標と恣意性の疑いを置く。
次に仮面と受益の食い違いを一行で示す。
逐語復元を主張せず機能等価と明示する。