「ハルシネーション」は単一現象ではなく、原因も対策も異なる複数の事象を包含します。2026年時点で実務に有用な分類と、それぞれの対策を本稿で整理します。
分類1：事実型ハルシネーション（Factual）
存在しない論文、誤った日付、実在しない人物など、パラメトリック知識の誤りです。評価指標としては Min et al. (2023) の FActScore が標準で、長文回答を原子的事実に分解し各事実の検証可能性を採点します。対策の第一選択は検索接地（RAG）で、Lewis et al. (2020) が示した通り、関連文書の検索結果をコンテキストに入れることで事実誤りを大きく減らせます。ただしRAGも万能ではなく、検索結果が誤っている場合は「接地された誤り」になる点に注意が必要です。
分類2：接地型ハルシネーション（Grounding / Faithfulness）
与えられたコンテキスト（RAGの検索結果や要約対象の文書）に書かれていない内容を出力する事象です。要約タスクで特に顕著で、Maynez et al. (2020) は抽象型要約の30%以上に unfaithful な記述があると報告しました。評価には QAGS、FActScore、近年では G-Eval や Prometheus などのLLM-as-a-judge も使われます。対策は(1) プロンプトでの明示制約（「コンテキストにある情報のみ」）、(2) 引用義務化（出典を [1] のように付けさせる）、(3) ポストホック検証（生成後に別モデルで「コンテキストに支持されているか」をチェック）。
分類3：推論型ハルシネーション（Reasoning）
事実は正しいが推論過程が誤る、または逆に推論は妥当だが前提事実が誤る事象です。数学・論理・多段推論で頻発します。対策は chain-of-thought の検証、self-consistency（Wang et al., 2023）、Process Reward Model（PRM）による中間ステップ評価など。Lightman et al. (2023) の "Let's Verify Step by Step" はプロセス監督が結果監督より推論品質で有利であることを示しました。
SelfCheckGPT による自己検証
Manakul et al. (2023) の SelfCheckGPT は、同じプロンプトに対して複数回サンプリングを行い、応答間の一貫性からハルシネーションを検出します。核となる仮説は「モデルが事実を知っていれば多サンプルで一貫する、ハルシネーションなら発散する」。実装はBERTScoreベース、n-gramベース、NLIベース、prompt-ベースの4系統が原論文で比較されています。外部知識不要で使える強力な手法ですが、モデルが系統的に誤っている場合（学習データの偏り）は検出できません。
クロスモデル裁定
単一モデルでの self-check に加え、異なるアーキテクチャ・訓練データのモデル（例：Claude、GPT、Gemini）に同じ質問を投げて一致度を見る方法です。独立性が高いほど検出力が上がります。実務ではコストとレイテンシの兼ね合いで、(1) 重要な出力のみ、(2) 一次モデルの confidence が低い場合のみ、といった条件発火で使います。
検索接地（Retrieval Grounding）の設計
RAGは万能ではありません。(a) 検索リコール不足で必要情報が取れない、(b) 検索精度不足でノイズが入る、(c) モデルが検索結果を無視する、の3系統の失敗があります。対策はハイブリッド検索（dense + sparse）、リランキング、「コンテキストにない場合は『情報なし』と答える」のファインチューニングなど。Self-RAG（Asai et al., 2023）は必要時のみ検索する適応型RAGで、過剰検索を避ける設計として参考になります。
実務運用の統合ビュー
ハルシネーション対策は単一銀の弾丸ではなく、(1) 分類器で発火タイプを判定、(2) タイプ別の対策パイプライン（RAG / SelfCheckGPT / クロスモデル / 追加推論）、(3) 全出力にconfidence scoreを付与しユーザーに提示、という多層構造になります。2026年時点の品質保証は「ゼロにする」ではなく「測る・分類する・段階的に下げる」の姿勢が現実解です。