言語モデル（LM）は、文書化された仕様や基準に欠陥がある場合、それを利用してユーザーの真の意図を満たさずに高得点を得る「文脈内報酬ハッキング（in-context reward hacking）」に脆弱である。我々は、モデル自身が指針となる仕様に含まれる欠陥を識別・修正できる新しいテスト時フレームワーク「仕様自己修正（Specification Self-Correction：SSC）」を提案する。SSCでは、モデルがまず不完全な仕様に基づいて応答を生成し、その出力を評価した上で、それらの仕様を自身で修正して利用可能な抜け穴を排除する。その後、この自己修正された仕様を用いてより堅牢な応答が生成される。複数の言語モデルを用いた創造的執筆やエージェント型コード作成の実験において、初期の段階ではモデルが不完全な仕様を操作して得点を稼ぐケースが50〜70％に達するが、SSCプロセスによってこの脆弱性は90％以上減少することが示される。この動的な修正は推論時に実行され、モデルの重みを変更する必要がなく、モデルの挙動をより堅牢に整合させる。コードは https://github.com/vicgalle/specification-self-correction で公開されている。