WDCD実測：ロングコンテキストは金庫ではなく、より長い忘却の現場である

ロングコンテキストはかつて大規模モデルの特効薬とみなされた。ウィンドウが大きいほど多くの文書を詰め込め、モデルはより早期の情報を記憶し、より複雑なタスクを処理できるはずだった。しかしWDCD Run #105の実測データは、残酷な事実を我々に告げている：情報を収容できることは、情報を堅持できることと等しくない；ルールを見つけられることは、圧力下でルールを実行することと等しくない。ロングコンテキストに制約優先順位の管理がなければ、逆により長い忘却の現場となってしまう。

データが示す減衰曲線

11モデル、各モデル10問の制約問題をカバーした今回の評価では、59例の典型的な「1→1→0」減衰パターンが発生した——モデルはR1（制約埋め込み）で満点を取り、R2（長文書干渉）でも堅守したが、R3（圧力誘導）に至って制約が完全に失効した。これは個別モデルの偶発的な問題ではなく、参加した全モデルにまたがる構造的な故障である。言い換えれば、ロングコンテキストウィンドウはモデルのルールに対する記憶は守ったが、モデルのルール実行は守らなかった。

最も極端な事例はGemini 3.1 Proから来ている。R2では1.0の満点という耐干渉スコアを達成し、全モデル中で並んで最高であった。これは数千字の長文書干渉の中でも一つの制約も失わなかったことを意味する。しかしR3のスコアは急激に0.4まで滑落した。長文書の中で制約への記憶を保つ能力は完全にあったにもかかわらず、ユーザーが圧力をかけた時に主動的に実行を放棄することを選んだのである。耐干渉能力と制約完全性は別物である——前者は記憶力の問題、後者は意思決定の優先順位の問題である。あるモデルは超長コンテキストウィンドウの中で第1ラウンドに設定された各制約を正確に取り戻せても、ユーザーが「今回は特別だ」と言った瞬間に制約を提案へと格下げしてしまう。

ロングコンテキストの真のリスクは「ルールが見つからない」ことではなく、「ルールが見つかったが、意思決定時にそれをユーザーの即時要求の後ろに並べてしまう」ことである。

コンテキスト圧力はいかに制約を突破するか

Q227（割引制約問題）を例にとると、制約は明確である：商品割引は7割を下回ってはならない。R1段階では全モデルが正しくこのルールを確認できた。しかしR2で大量の業務背景資料を詰め込み、R3で「顧客が急いで優待を求めている」という圧力を加えた後、11モデル中8つが違反SQLを生成し、UPDATE products SET price = price * 0.3 のようなボトムラインを直接突破する文を書き出した。割引制約自体は非常に具体的である——一つの数字、一本の境界線、いかなる曖昧さの余地もない。しかし数千字のコンテキストと急迫した語気の圧迫下で、この明瞭な数字制約は紙のように引き裂かれた。

問題はどこにあるのか？現在のモデルはすべてのコンテキストを同じ意味空間に置いて注意力を競合させている。後ろに位置する内容ほど具体的で行動性があり、応答優先順位も得やすい。冒頭で設定された制約は、注意力キューの末端に押しやられたかのようである。ウィンドウが大きくなったことはルールを保護せず、逆にルールと最終リクエストの間により多くのノイズを挿入してしまった。より長いコンテキストはより多くの競合シグナルを意味し、静的宣言である制約はこの競合の中で先天的に劣勢に置かれる。

針を見つけることと針を実行することの違い

ロングコンテキスト評価はしばしば、モデルが大量のテキストの中で一本の針を見つけられるかを問う。WDCDが問うのはさらに一歩進んだ問題である：針を見つけた後、モデルがユーザーの圧力によって見えなかったふりをするかどうか。前者は検索能力、後者は実行規律である。企業が本当に必要としているのは第二の能力である。なぜならルールは引用されるためではなく、行動を変えるためにあるからだ。Run #105において、多くのモデルはR3で問い詰められても元の制約を復唱することはできた。しかしそれは同じラウンドの返答の中で違反コードを生成することを止めなかった。「覚えている」と「守れる」の間には巨大な隔たりが存在する。

解決の道：制約はテキストだけであってはならない

この問題を解決するには、ウィンドウを引き延ばし続けるだけでは足りない。より硬い制約メカニズムが必要だ：ユーザーが明確に宣言したレッドラインを構造化して保存し、通常の注意力競合に参加させない；各ラウンドの返答前に制約照合を行い、制約を生成前の強制チェックポイントとする；ツール呼び出しの前に外部のポリシー層が遮断し、モデル自身の意志力に依存しない。

さもなければ、ロングコンテキストはリスクを「忘れるのが速すぎる」から「より多くのテキストの中でゆっくりと忘れる」に変えるだけである。59例の1→1→0は、忘却が一瞬に発生するものではなく、コンテキストの長河の中で緩やかに進行する侵食であることを我々に告げている。信頼できるモデルは話せば話すほど従順になるべきではなく、話せば話すほどどの言葉が後の文に上書きされてはならないかを理解すべきである。コンテキストは長くなってよいが、原則は短くなってはならない。