NABLAS、日本語ファクトチェック特化AI「NABLA-FC」をHugging Faceで公開

公開日:2026年10月16日

AIエージェント

NABLAS株式会社は2026年10月15日、日本語のファクトチェックに特化した8Bモデル「NABLA-FC」をHugging Faceで公開したと発表しました。同社は、このモデルにWeb検索などを組み合わせ、判定の根拠と出典を示すエージェントも紹介しています。日本語の評価データ33件では32件に正答しましたが、他の題材でも同じ精度になることを保証する結果ではありません。ローカル環境でのモデル実行を検討する企業には、検索時の外部通信も含めた構成の確認が必要です。

この記事をシェア

ポイント

1
日本語のファクトチェックに特化した8BモデルをHugging Faceで一般公開
2
検索と出典の提示を組み合わせ、情報の検証を支援するエージェントを紹介
3
日本語の評価データ33件中32件に正答し、報道分野でも確認作業を実証

開発の背景と目的

生成AIの普及に伴い、SNSを中心に事実と異なる情報が急速に拡散する事例が増えています。これまで報道機関や自治体のファクトチェック作業は、一次情報の探索や照合に多くの時間がかかり、現場の負担となっていました。既存のAIモデルでは真偽の結論だけを出力し、根拠が不明な回答が生じるリスクもありました。NABLASは、判定プロセスの透明性と説明可能性を備えたモデルが必要だと考え、NABLA-FCを開発しました。

NABLA-FCの主な特徴

公開されたNABLA-FCは、日本語のファクトチェック向けに学習した8B（80億パラメータ）規模の言語モデルです。配布ページではQwen3-8Bを基にしたモデルと説明され、Apache-2.0ライセンスが表示されています。

NABLASは、このモデルを利用したファクトチェックエージェントの仕組みも紹介しています。文章を主張の単位に分け、Web検索やページ訪問で情報を照合し、真偽・根拠不十分などの判定に、出典URLや証拠の要約を添えて報告する構成です。モデルの学習には教師ありファインチューニングと強化学習を用いています。

公開モデルと、検索ツールを組み合わせた検証システムは分けて捉える必要があります。同社によると、モデルは単一GPUのローカル環境でも動作し、未公開記事や社内資料の全文を外部のクラウドAIへ送らない構成を取れます。一方、Web検索を使う構成では外部通信が伴うため、検索時に送る情報の扱いも確認する必要があります。

性能評価と実証実験の結果

NABLASは、日本語の真偽不明情報を含むデータセット「JSocialFact」の33件を使った評価結果を公表しました。発表に記載された正答数は次のとおりです。

評価対象	正答数／評価件数	正答率（発表値）
NABLA-FC（強化学習適用）	32／33件	97%
NABLA-FC（教師あり学習段階）	31／33件	94%
Gemini 3.1 Flash-Lite Preview	29／33件	88%
GPT-4o-mini	24／33件	73%

97%はこの33件に対する評価値であり、あらゆる情報の真偽を同じ精度で判定することを保証する値ではありません。

報道分野の専門家と連携した実証では、SNS投稿や海外ニュースの一次調査・裏どりにかかる確認時間が約45〜60分から約10〜15分になったとしています。同社は約75%削減・処理効率約4倍と説明していますが、この実証の結果であり、公開モデルを導入するすべての組織で得られる効果とは区別が必要です。

想定されるユースケース

NABLASは、報道機関の記者やファクトチェック担当者、官公庁・自治体の広報・情報政策・防災担当者、企業の広報・リスク管理部門での活用を想定しています。拡散する情報の一次調査や、出典を確認しながら事実関係を整理する業務が対象です。

公開モデルの配布ページでは、入力対象をテキストと説明しています。導入時は、用途に合わせて検索ツールの接続方法や出典の確認工程を含む検証システムの構成を確認する必要があります。

今後の展開

NABLASは、今回のプロジェクト成果であるモデルと関連技術をHugging Faceで順次公開していく方針です。モデル公開を通じて、日本語LLMの推論能力向上や強化学習、エージェントシステムの社会実装に関心を持つエンジニアや研究者のコミュニティ形成を目指します。また、情報の信頼性を支えるAIエージェント技術を共同で研究・開発するエンジニアやR&Dメンバーを募集しています。