仕組みからわかる大規模言語モデル 生成AI時代のソフトウェア開発入門

3

プロンプトチェーニング

3.6

プロンプトチェーニングは、複雑なタスクを単純な部分タスクに分割し、それらを順番に処

理することでLLM の性能を向上させる手法です。この手法の基本的なアイデアは、複雑なタ

スクを部分タスクに分割し、各サブプロンプトが特定の部分タスクに焦点を当てることです。

そして、前の段階の出力を次の段階の入力として使用することで、タスク全体を効果的に解決

します。

プロンプトチェーニングを適用する手順は次のとおりです。

1. 複雑なタスクを分析し、単純な部分タスクに分割する。

2. 各部分タスクに対応するサブプロンプトを作成する。

3. サブプロンプトを順番に実行し、各段階の出力を次の段階の入力として使用する。

4. 最後のサブプロンプトの出力を最終的な出力とする。

ここでは、少し複雑なプロンプトの例として、次のようなプロンプトを考えてみましょう。

I N

大規模言語モデルの最も重要な特徴３つを３００字以内で説明してください。

このプロンプトをChatGPT-4 に与えた結果をリスト3.6.1 に示します。この場合、一見正

しく見える回答が生成されています。しかし、説明が400文字以上となっており、指定した

300文字を超えてしまっています。

リスト3.6.1



You:

大規模言語モデルの最も重要な特徴３つを３００字以内で説明してください。

ChatGPT:

大規模言語モデルの重要な特徴として、以下の３つが挙げられます。

133

3.6

プロンプトチェーニング ...