Contrastive CoTとは？誤答例で推論ミスを減らす実務ガイド

この記事の監修者

リスキルAIキャリア編集部

リスキルAIキャリアは、AI時代の学び直し・キャリア形成・副業・転職に役立つ情報を発信するWebメディアです。編集部では、生成AIスキルの身につけ方、AI関連スクール・講座の選び方、キャリアアップにつながる学習方法などを、実務目線でわかりやすくお届けしています。

Contrastive CoTは、正しい推論例と「誤った推論例」を並べて、AIの間違え方を先回りで潰す手法です。答えが一つに定まるタスクで効きます。要約やメールのように正解が幅を持つタスクでは逆効果になります。Contrastive CoTは「間違いパターンが明確なタスク」だけに使う道具です。

まず、自分に必要かを30秒で判断してください。下の表で目的ごとの向き不向きと次の行動が分かります。本文では原論文の知見、日本語実務での検証手順、業務別プロンプト、コストの円換算を扱います。

分類の境界ミス、条件付き計算、抽出には向きます。校正やコピーには向きません。プロンプトが膨らむため、コストと精度が釣り合うかを毎回判断してください。

Contrastive CoTとは？対照的思考連鎖の意味と仕組み

Contrastive CoT（対照的思考連鎖）は、正しい思考過程と誤った思考過程をペアで見せるFew-shot手法です。英語では Contrastive Chain-of-Thought と表記します。CCoTプロンプトとも呼ばれます。狙いは「こう考えれば正解」と「こう考えると間違える」を両方見せることです。

通常のCoTは正解の道筋だけを示します。Contrastive CoTは負例（誤答例）を足します。この差が最大の違いです。

正例と負例をセットで見せる推論法

仕組みは単純です。1つの例題に、正しい説明（正例）と誤った説明（負例）を並べます。そのうえで本番の問いを解かせます。AIは負例の誤りパターンを避け、正例の筋道をなぞります。

負例の質で結果が変わります。もっともらしいのに間違っている推論を置くと、回避すべき境界が鮮明になります。自明すぎる負例は情報量がなく、精度を押し上げません。

原論文 arXiv:2311.09277 が示した設計知見

出典は arXiv:2311.09277「Contrastive Chain-of-Thought Prompting」（2023年11月）です。公式実装は GitHub の DAMO-NLP-SG/contrastive-cot で公開されています。

論文は GPT-3.5-turbo を主対象に、GSM8K・AQuA・SVAMP などの算術・推論ベンチマークで通常CoTと比較しています。負例追加で通常CoTを上回る結果を報告しています。改善幅の具体値は論文本文の実験結果表（Experiments のResultsテーブル）を参照してください。これは英語の推論ベンチマークでの結果で、日本語業務タスクの検証ではありません。

設計知見は3点です。第一に、負例には万能解が無く、タスクごとに誤りを作ります。第二に、無関係なランダム誤りより「もっともらしい誤り＝ハード負例」が効きます。第三に、正例を先に置き、その後に負例を示します。

Contrastive CoTと通常のCoT・Few-shotの違い

3手法の差は「何を例として見せるか」です。CoTは正しい思考過程、Few-shotは正しい入出力ペア、Contrastive CoTは正例と負例の対比です。下の表で使い分けを整理します。

CoTとの違いは負例の有無

通常のCoTは正解の道筋だけを示します。Contrastive CoTは誤答例を足し、回避すべき経路を明示します。CoTの基本は思考の連鎖プロンプトとは？2026年の使いどころと書かない基準で解説しています。まずCoTを試し、間違い方が偏ってから負例を足す順序で進めます。

Few-shot・Self-Consistencyとの使い分け

形式やトーンを揃えるだけなら、負例は不要です。Few-shotプロンプトとは？精度を上げる例文と使わない基準で足ります。答えのばらつきが問題なら、Self-Consistencyプロンプト｜CoT多数決の正しい手順と基準の多数決が向きます。「間違いの方向が特定できる」ときだけContrastive CoTが最適解になります。

Contrastive CoT プロンプトの書き方（業務別テンプレート）

書き方は4要素で固定します。例題／正しい説明／誤った説明／本番の問い、の順です。この順序は原論文の「正例先行」に沿います。以下は送料計算・問い合わせ分類・求人票抽出・副業報酬計算の4例です。

例1：送料込みの条件付き計算

1. 【例題】商品1,800円、送料は3,000円未満で500円。合計金額を求めよ。
2. 【正しい説明】3,000円未満なので送料500円を加算。1,800＋500＝2,300円。
3. 【誤った説明】3,000円以上と誤読し送料無料と判断。1,800円と回答（条件の読み違い）。
4. 【本番の問い】商品2,600円、同条件のときの送料込み合計を、正しい説明の手順で求めよ。

負例に「なぜ間違えたか」を一言添えます。上の例では「条件の読み違い」と明示しました。

例2：問い合わせ分類

1. 【例題】「請求書の金額が違う気がします」を分類せよ。カテゴリは「請求」「解約」。
2. 【正しい説明】金額の誤りに関する内容なので「請求」に分類。
3. 【誤った説明】文中の「解約」という語だけに引っ張られ「解約」に誤分類（キーワード反応の誤り）。
4. 【本番の問い】「解約したいのですが、最終請求はいつですか」を、正しい説明の観点で分類せよ。

例3：求人票の条件抽出

1. 【例題】求人票から必須スキルと歓迎スキルを分けて抽出せよ。
2. 【正しい説明】「必須」「歓迎」の見出しに従い、SQLは必須、Pythonは歓迎に振り分け。
3. 【誤った説明】歓迎スキルのPythonを必須スキルに混入（区分の混同）。
4. 【本番の問い】次の求人票について、必須と歓迎を分けて抽出せよ。

例4：副業案件の報酬計算

1. 【例題】税込55,000円、プラットフォーム手数料20%のときの受取額を求めよ。
2. 【正しい説明】税抜50,000円。手数料は税抜50,000円の20%＝10,000円。受取額は消費税を含め計算する。
3. 【誤った説明】税込55,000円をそのまま手取りと誤認（税・手数料の未控除）。
4. 【本番の問い】税込33,000円、手数料15%のときの受取額を、正しい説明の手順で求めよ。

4例とも「例題／正しい説明／誤った説明／本番の問い」で統一しています。誤りにラベルを付けると、AIが同じ罠を避けやすくなります。

ハード負例の作り方と逆効果の境界

ハード負例は、もっともらしいのに結論が間違っている推論です。作り方は、正しい手順の1ステップだけを現実的にすり替えます。閾値の読み違い、単位の取り違え、順序の逆転が代表例です。本番でも起こりそうな誤りを負例にするほど、境界が鮮明になります。

逆効果の境界は2つです。第一に、自明すぎる負例（1＋1＝3など）は情報量ゼロです。第二に、非現実的すぎる負例はノイズになり、出力を乱します。目安は「7割の人がうっかりやる誤り」です。

日本語の実務タスクで効く／効かないの切り分け

原論文は英語の数学・論理ベンチマーク中心です。日本語実務の指針は書かれていません。ここは切り分けを補います。判断軸は「正解が一つに定まるか」です。

効くのは「誤りの型」が言語化できるタスク

分類・計算・抽出は、誤りを型として書けます。「AとBを混同」「単位ミス」のように具体化できるからです。この3系統では、まず負例を2〜3個で検証します。改善するかは通常CoTとの比較で判断します。現場で出た誤答をそのまま負例に転用すると精度が変わります。

効かないのは「正解が幅を持つ」タスク

要約・メール・校正は正解が一つに定まりません。「これは誤り」と断定できず、負例が主観的になります。自由記述の質を上げるなら、良い正例をFew-shotで複数見せる方が向きます。校正では「修正前後のペア」を正例として示します。

Contrastive CoTを実務で検証する5ステップ

「なんとなく良くなった」で判断しないでください。通常CoTと同じ入力で数値比較します。手順は次の5つです。

1. 通常CoTのプロンプトを作る。まず基準値を用意する。
2. 過去の誤答を20〜50件集める。本番で起きた誤りに限定する。
3. 誤りを3分類する。例：条件読み違い／単位ミス／分類境界ミス。
4. 各分類から1つずつハード負例を作る。合計3つに絞る。
5. 通常CoTとContrastive CoTを同じ入力で比較する。

評価指標を先に決めます。タスク別に次を使います。

• 分類：Accuracy、F1、誤分類率
• 抽出：完全一致率、項目別一致率
• 計算：正答率

通常CoTとの差分がプラスでなければ、負例は外します。この検証は法人研修でそのまま使えます。社内タスクの誤答削減を、指標で示す運用に落とせます。

Contrastive CoTのコストと逆効果になる基準

最大のトレードオフはプロンプト長です。負例を書く分、入力トークンが増えます。従量課金では入力コストがそのまま増えます。追加費用は次の式で見積もれます。

追加コスト ＝ 追加入力トークン数 ÷ 1,000,000 × 使用モデルの入力単価（100万トークンあたり）

具体例で考えます。1リクエストで負例により800トークン増えるとします。10万件処理では8,000万入力トークン増えます。使用モデルの入力単価を公式料金表で確認し、この追加費用と誤答削減額を比べます。単価はOpenAIの料金ページ、Anthropicの料金ページ、Google（Gemini API）の料金ページで確認します。料金は改定されるため、受検時点の公式表を見てください。

割に合う場面・合わない場面の損益判断

損益は「1件あたりの誤りコスト × 削減できる誤り数」で判断します。誤分類が業務事故につながるなら、トークン増は安い投資です。軽微な社内メモ生成では、コスト増が上回ります。

• 誤答1件の損失が大きい（審査・与信・医療関連の下書き等）→ 使う価値あり
• 大量バッチで同型の誤りが頻発 → 負例で一括削減、割に合う
• 1回きり・低リスクの生成 → 通常CoTかFew-shotで足りる
• 正解が主観で定まらない → 使わない

使うか使わないかの判定フロー

読んだ後の行動を固定します。上から順に判定してください。

1. 正解は一意に決まるか。No → Few-shotへ。
2. 実際に起きた誤答ログがあるか。No → まず通常CoTでログを取る。
3. 誤答を2〜3パターンに分類できるか。No → Contrastive CoTは使わない。
4. 誤答1件の損失が追加コストを上回るか。No → 通常CoTで足りる。
5. Yesが揃う → Contrastive CoTを試す。

Contrastive CoTを使わない基準チェックリスト

次のどれか1つでも当てはまるなら見送ります。無理に使うとコストだけ増えます。

• 正解が一意に定まらない（要約・コピー・企画案）
• もっともらしい誤り（ハード負例）を1つも作れない
• 通常CoTで既に十分な精度が出ている
• トークン増を許容できない従量課金の大量処理
• 誤答例が自明すぎる／非現実的すぎるものしか作れない

良い負例が作れないタスクには、そもそも向いていません。負例づくりに30分悩むなら、別手法へ切り替えます。

Contrastive CoTを学ぶ人がPEP検定で確認すべき範囲

Contrastive CoT単体の暗記では受検に足りません。CoT・Few-shot・Self-Consistencyとの使い分けが問われる前提で学びます。PEP検定の公式シラバスにある「プロンプト設計」「生成AIの活用」「出力評価」に該当する項目を確認してください。

シラバスの範囲と学習手順はPEP検定の勉強法を公式シラバスから逆算｜難易度・勉強時間・受験手順を解説で整理しています。受検前に、次のチェックリストで自分の理解を確認します。

• CoTとFew-shotの違いを説明できる
• 負例が効くタスク／効かないタスクを分類できる
• ハード負例を1つ作れる
• 通常CoTとの比較検証手順を説明できる

4つ全てにチェックが付くなら、受検レベルの理解に届いています。PEP検定を受けるなら、まず公式シラバスでプロンプト設計の範囲を確認してください。個人の学習は検定で体系化し、社内展開は研修で誤答削減の指標づくりまで落とすと運用に乗ります。

よくある質問

Contrastive CoTは通常のCoTより必ず精度が上がりますか？

常に上がるわけではありません。原論文は英語の推論ベンチマークで改善を報告していますが、負例の質とタスク特性に左右されます。自明な負例や、正解が定まらないタスクでは効きません。まず通常CoTで基準値を測り、比較してから判断してください。

Contrastive CoTとNegative Promptingの違いは？

目的が違います。Negative Promptingは「出してほしくない要素」を指示で除外する発想で、画像生成などで使われます。Contrastive CoTは「誤った推論過程」を例として見せ、思考の経路を修正します。テキストの推論ミスを減らすなら、後者を使います。

Contrastive CoTはChatGPTでも使えますか？

使えます。特別なAPI機能ではなく、プロンプトの書き方だからです。正例と負例を本文に書けば、ChatGPTの通常入力でも動きます。ただし効くかはタスク次第で、分類・計算・抽出以外では効果が限定的です。

誤答例を入れるとAIが誤答を真似しませんか？

「誤り」と明記し、正例を先に置けば真似は起きにくくなります。負例に「なぜ間違えたか」のラベルを添えると効果が安定します。心配なら、通常CoTと同じ入力で誤分類率を比べ、増えていないか確認してください。

負例は人間が作るべきか、AIに作らせてよいですか？

AIに作らせてもかまいません。ただしそのまま使いません。過去ログと照合し、本番で実際に起きる誤りだけ残します。AI生成の負例は自明・非現実的に偏りやすく、選別が要ります。

正例と負例はどちらを先に書くべきですか？

正例を先に書きます。原論文でも正例先行の設計が示されています。正しい筋道を提示し、その後に「こう考えると間違える」と対比すると、回避すべき経路が明確になります。

コスト増でも使う価値があるのはどんな時ですか？

誤答1件の損失が大きい業務です。審査下書き、条件計算、金額・日付の抽出など、間違いが事故につながる処理で投資対効果が出ます。低リスクで一回きりの生成では、通常CoTで足ります。

検証環境と一次情報

本記事は2026年8月時点で、原論文と公式実装を確認して構成しました。日本語実務での相性は「正解が一意か」を軸にした切り分けで、原論文の対象外です。導入前に、手元のタスクで通常CoTと数値比較してください。

一次情報は次のとおりです。arXiv:2311.09277（原論文）、DAMO-NLP-SG/contrastive-cot（公式実装）。料金は各社公式ページ（OpenAI／Anthropic／Google）で確認してください。設計の判断が速くなります。