AI用語集

📖

用語

Few-Shot Prompting

プロンプト内に少数の例（通常1〜5個）を含めることで、モデルが期待される形式、トーン、または回答タイプに従うよう誘導する最適化手法。

📖

用語

Chain-of-Thought (CoT) Prompting

最終的な回答を提供する前に、LLMにその推論を論理的かつ明示的なステップに分解させるよう促す高度な手法で、複雑なタスクにおける精度を向上させる。

📖

用語

Tree of Thoughts (ToT)

LLMの推論を木構造としてモデル化する探索フレームワーク。各ノードは思考やステップを表し、最も有望な推論の経路を評価・選択することを可能にする。

📖

用語

Anthropomorphic Prompting

プロンプト内でLLMにペルソナ、役割、またはアイデンティティ（例：「～の専門家として振る舞って」）を割り当てる手法。これにより、回答の方向性を定め、妥当性を高める。

📖

用語

Least-to-Most Prompting

複雑な問題をより単純な一連のサブ問題に分解し、順番に解決していく戦略。各段階の解決策は、次の問題を解決するために活用される。

📖

用語

Directional Stimulus Prompting

プロンプトに特定の手がかりやフレーズ（刺激）を追加してモデルをガイドし、生成内容を特定のドメイン、スタイル、または意味的属性に誘導する手法。

📖

用語

ReAct (Reasoning and Acting)

思考の連鎖による推論とアクションのステップを交互に行うパラダイム。LLMが推論計画を生成し、アクション（検索など）を実行して、反復処理を行うことを可能にする。

📖

用語

Contextual Reinforcement

モデルの挙動に影響を与えるために、プロンプトに肯定的または否定的な強化フレーズ（例：「正確に答えてください」「未確認の情報は避けてください」）を直接追加する手法。

📖

用語

PAL (プログラム支援言語モデル)

LLMに問題の一部を解決するために必要なコードを生成させ、そのコードを実行することで、計算ステップをコードインタープリタ（Pythonなど）に委譲するアプローチ。