【2025年02月版】プロンプト手法の比較

プロンプトエンジニアリングについて、
色々出てきているのでまとめてみました

以下、各手法ごとに指定の構成でまとめた内容です

---

Zero-Shot

概要

例示なしでタスクを直接指示する手法です。

特徴

追加の例示を用いず、タスク指示のみを与えます。

利点

シンプルで迅速に実装可能です。

課題/制約

モデルの理解度に依存し、場合によっては精度が低下する可能性があります。

使用例

「I love programming.」という文を日本語に翻訳してください。

---

Few-Shot

概要

少数の例示を含めた指示を行う手法です。

特徴

具体例を提示してタスクの意図を明確化します。

利点

モデルの応答品質・精度が向上する可能性があります。

課題/制約

適切な例示選定が必要で、例の質に大きく依存します。

使用例

例：

• 入力: "Good morning" → 出力: "おはようございます"

• 入力: "Thank you" → 出力: "ありがとう"

---

Chain-of-Thought (CoT)

概要

問題解決の過程を逐次的に記述する手法です。

特徴

中間推論を明示し、最終回答に至る論理過程を提示します。

利点

複雑な問題でも推論過程が明確になり、理由付けが透明化されます。

課題/制約

回答が冗長になりやすく、推論過程が必ずしも正しいとは限りません。

使用例

例：
「27 + 35 の計算過程を段階的に説明してください。」
[思考] 27 と 35 を加えると 62 になる。
[回答] 62

---

Tree-of-Thought (ToT)

概要

複数の推論パスを分岐的に生成し、最適解を探索する手法です。

特徴

複数の可能性を並列に評価し、ツリー構造で解答候補を展開します。

利点

多角的な検討が可能で、最適な解答にたどり着きやすいです。

課題/制約

計算資源を多く消費し、実装や運用が複雑になる可能性があります。

使用例

例：
「迷路問題：複数のルート（A経由、B経由など）を検討し、それぞれの距離を評価して最短経路を選んでください。」

---

Quantum-of-Thought (QoT)

概要

CoT/ToTの概念を拡張し、量子並列性や確率的超位置状態を模倣する試みです。

特徴

理論的・実験的な段階で、メタファー的な表現が中心となっています。

利点

新たな推論手法として可能性を探るアプローチです。

課題/制約

概念が未確立で、実用性や再現性の検証が進行中のため曖昧な部分があります。

使用例

例：
「複数の解答候補が存在する問題について、各候補の確率的重ね合わせ状態を考慮しながら最適解を導出してください。」

---

ReAct

概要

推論（Reasoning）と行動（Action）を交互に実施する手法です。

特徴

思考と実行のフィードバックループを形成します。

利点

インタラクティブなタスクにおいて柔軟な対応が可能です。

課題/制約

手法設計が複雑になりやすく、実装時の工夫が必要です。

使用例

例：
「フランスの首都はどこですか？」
[思考] 歴史的背景や政治的中心から、パリが有力と考えられます。
[行動] 回答: 'パリ'

---

Self-Ask

概要

問題を自己質問形式で分解し、段階的に解答する手法です。

特徴

問題をサブクエスチョンに分割し、順次解決していきます。

利点

複雑な問題の明確な分解と論理的な解答プロセスが促進されます。

課題/制約

適切な質問分解ができなければ、効果が限定的になる可能性があります。

使用例

例：
「オーストラリアの首都は何ですか？」
→ 自己質問: 「オーストラリアの政治・行政の中心はどこか？」
[回答] 'キャンベラ'