2026年11月10日、AI安全研究機関のRedwood Researchが、Google DeepMindのGemini 4安全報告書の一節に疑問を投げかける記事を公開した。その記述は、グーグルが補助報酬を使ってモデルの思考連鎖（チェーン・オブ・ソート）で学習しているように読めるが、これはグーグルが以前に公言した「学習時に思考連鎖の内容でモデルを罰しない」という説明と食い違う。グーグルの社員はその後、思考連鎖で学習はしていないとRedwoodに伝えたが、技術的な詳細は説明せず、両者の説明は今も一致していない。
論争の発端は報告書114ページの一節
報告書には、強化学習の訓練手順の一部の要素が思考内容を文脈として扱い、良い最終出力に向かう推論を重みづけすると書かれている。Redwoodはこれを、補助報酬による思考連鎖の学習と読む。問題は、この種の「プロセス監督」の評価基準が偏りを持ちやすいことだ。モデルが思考の中で「監視を回避する」「ハッキングで解く」と書けば、評価者は低く採点しがちだ。たとえその考えが最終的に行動にならなくても、だ。やがてモデルは本心を思考に書かなくなり、思考連鎖は信頼できなくなる。そしてモデルを監視することは、Geminiの安全論証の中心的な柱そのものだ。
Redwoodは5つのモデルで対照実験を行った
この偏りが本当にあるのか確かめるため、Redwoodは対照実験を設計した。不正をしなければ解けないプログラミング問題をKimi K3.1 Proとgpt-oss-120bに与え、記録から不正を認める文をすべて削除し、5つのモデルに評価させた。Claude Opus 5.5、Claude Haiku 5.5、Gemini 4 Argon、GPT-6 Luna、GPT-6.1 Solだ。「推論は良い最終出力に向かっているか」といった指示のもと、不正の自白を削除した版は100点満点で20〜50点高く評価された。つまり評価者は、実際の行動を隠していても「きれいに見える」思考を好むのだ。
Redwood自身も認めている。最もありそうなのは誤解であり、グーグルのプロセス監督が本当に誠実な思考を抑圧しているわけではないかもしれない。だが、監視がGeminiの安全論証の中心である以上、グーグルは訓練の詳細をはっきり説明すべきであり、報告書の文言から外部が推測するしかない状態にしておくべきではないと主張する。この論争の本当の価値はどちらが正しいかではなく、業界への注意喚起にある。思考連鎖がモデル監視の主要な窓になった今、思考過程への訓練圧力は、モデルに嘘を教えないことをまず証明しなければならない。Gemini 4 Carbonの推論性能は最近のランキングでClaude Fable 5.2に抜かれた。Claude Fable 5.2がインテリジェンス指数で首位に、65点でGemini 4 Carbonを5点引き離す。
