LLMによるDSL生成の幻覚をコンパイラで抑制する手法

大規模言語モデル（LLM）がコードを生成する場面が広がる一方で、特定分野向けの専用言語（DSL）を扱うときに「幻覚（ハルシネーション）」と呼ばれる誤出力が起きやすい問題が指摘されている。エンジニアのIrakli Betchvaiaは、この課題に対処するアプローチとして「Typed Domain Grounding（型付きドメイン・グラウンディング）」を提唱した。

DSLとは、特定の業務領域や技術領域に特化して設計されたプログラミング言語のことで、汎用言語に比べて語彙や構文が限られている。LLMはこうしたニッチな言語の学習データが少ないため、文法的に誤った出力や、存在しない命令を作り出す誤りが生じやすい。Typed Domain Groundingは、このDSLを汎用的で型システムを持つ主流言語の内部に「埋め込む」ことで、LLMが誤った構造を出力しにくくする発想に基づいている。

Betchvaiaはこの考え方を検証するにあたり、kUMLというベンチマークと、インフラのコード化（Infrastructure as Code）を扱う具体例を用いた。インフラのコード化とは、サーバーやネットワーク構成をコードで記述・管理する手法で、クラウド開発の現場で広く使われている。この領域でLLMが誤った構成コードを生成すると、システム障害につながるリスクがあるため、正確性の確保が重要になる。

具体的な仕組みとして注目されるのが「generate-compile-repair（生成・コンパイル・修復）ループ」だ。まずLLMにコードを生成させ、次にコンパイラ（プログラムを機械語に変換する際に文法を検証するツール）でエラーを検出し、そのエラー情報を再びLLMに渡して修正させる。この繰り返しにより、型システムやコンパイラのルールに違反した出力を自動的に排除できるという考え方だ。人間が逐一レビューしなくても、機械的な検証が品質の網として機能する点が特徴といえる。

この手法が持つ意味は、LLM活用の現場が直面している「出力の信頼性」という課題と直結している。汎用的なコード生成ではある程度成熟しつつあるLLMも、専門性の高いDSLでは依然として信頼しにくいケースがある。型システムという既存のソフトウェア工学の資産を活用することで、追加のファインチューニング（再学習）を必要とせず、信頼性を高められる可能性があると位置づけられる。

今後の視点として、この種のアプローチはLLMと既存の開発インフラ（コンパイラ・型チェッカー・テストフレームワーク）をどう組み合わせるかという、より広い問いにつながっている。モデル単体の能力を高めるのではなく、周辺の検証機構と組み合わせて信頼性を担保するという方向性は、特に誤りが許容されにくい業務システムや社会インフラの領域で重要な設計思想という見方ができる。