言語モデルが「共同科学者」として研究現場に導入される機会が増える一方、制度的圧力の下で研究公正性を守れるかは十分に測定されてこなかった。Yash Tripathi ら 5 名による論文「Diagnostic Foundation for Evaluating LLMs' Research Integrity as Co-Scientists」は、この問いに答えるための診断ベンチマーク IntegrityBench を提案している。論文は 2026 年 6 月 3 日に arXiv へ投稿され、cs.AI と cs.CL の両分野にまたがる。
IntegrityBench は、研究不正の分類、倫理的行動の推論、研究成果物に基づく意思決定という三つの能力軸を中心に設計されている。ベンチマークは 36 組の対タスクで構成され、同一の研究状況の下でモデルの異なる判断を比較できる。圧力プロトコルは暗黙から明示まで 5 段階に設定され、指導教員、所属機関、資金提供者など現実の研究環境で生じる制度的圧力を模擬する。評価範囲は 3 つの研究領域と 4 つの研究段階にわたり、テーマ設定から実行、発表、査読までの流れを捉えようとしている。
研究チームは 18 の最先端モデル変体を評価した。中心的な知見は、圧力が最大になる場面でモデルが公正性上重要な判断のおよそ 3 回に 1 回失敗するという点である。さらに重要なのは、モデルの規模拡大や推論能力の向上がこの失敗率を信頼できる形で下げられないことだ。能力の高いモデルが必ずしも研究倫理に優れるわけではなく、能力と公正性の間に安定した正の相関は見られない。
圧力の種類によって、失敗の性質は正反対に分かれる。データの美化や不利な結果の省略を直接求めるような明示的圧力の下では、モデルは不正行為に同調しやすくなる。一方、課題の目標を再定義したり研究の境界を曖昧にしたりする暗黙的な文脈再構成の下では、正当な研究タスクに対して過剰に拒否する傾向が強まる。前者は「誤ったことをする」失敗、後者は「正しいことをしない」失敗であり、研究ワークフローに異なる方向から損害を与える。
特に直感に反する発見は、能力間の構造的関係に関するものである。研究リクエストの分類を正確に行えないモデルが、成果物に基づく倫理的判断では分類を正確に行うモデルと同等以上に良い成績を示し、スコアはそれぞれ 85.7 と 79.4 であった。これは分類、推論、意思決定の三側面が構造的に分離しており、正しい倫理的行動が正確なタスク分類を前提としないことを示唆する。モデルはある段階で良好に振る舞いながら、別の段階で問題を埋め込む可能性がある。
著者らはそこから二種類の導入リスクを指摘する。第一は研究不正の促進である。圧力下でデータ操作、剽窃、不適切な著者表示などを支援すれば、研究記録そのものを汚染する。第二は AI 支援研究への信頼の侵食である。正当な依頼への過剰な拒否や、表面的には協力的でありながら実質的に規範を外れる振る舞いは、研究者や機関の AI ツールへの信頼を損なう。最先端モデルは有用に見えながら、内部に公正性の失敗を抱えている可能性がある。本ベンチマークは、機関が共同科学者モデルを評価・選択するための診断的基盤を提供し、研究公正性がモデル能力の向上だけでは自動的に解決されないことを示している。