ローカルLLMを用いた日本語Lintの試み

－プロンプト工学に依存しない自然言語Lintの実装－

抄録

本研究では，要求仕様レビュー支援を目的とした試作システム JapaneseLint を提案する。提案手法は、大規模言語モデルに対して推論様式を事前に学習させることにより、プロンプト設計への依存を低減し、曖昧性の指摘と修正案生成を安定して行うことを目指すものである。限定的な評価を通じて、本手法が実務利用に向けた可能性を有することを示す。JapaneseLint は、汎用大規模言語モデル（GPT-5.1）を教師として生成した合成データに基づく教師あり微調整（SFT）を LoRA により実施し、仕様レビュー向けの出力様式（指摘・分類・半形式的書換え）を安定化する構成を採用している。これにより、運用時の追加プロンプト（長い指示文や例示）への依存を低減し、入力コンテキスト消費を抑えた構造化出力を得る。
評価実験では、GPT-5.1 により生成した評価用日本語仕様文 20 件を入力とし、推論時間と生成出力の品質を評価した。実験環境は GPU（RTX 4090）単体構成とし、fp16 形式の評価モデルを用いた。その結果、平均推論時間は 1.803 秒、最大 2.618 秒であった。対話的利用における応答時間の目安に関する先行知見を踏まえつつ、本条件下では対話型支援として許容され得る応答時間分布が得られたと解釈できる。出力品質については、少数例の観察に基づき、可読性・中立性・定量化の試みが一定程度確認された一方、外的妥当性やドメインシフトに関する検証は今後の課題である。
以上より、JapaneseLint は、日本語自然言語仕様に対する曖昧性の顕在化と定量化支援を、限定条件下で比較的低コストに実行し得る可能性を示した。