Adaptive Prompt Structure Factorization：自己発見と最適化のための構成的プロンプトプログラムの枠組み
arXiv cs.CL / 2026/4/9
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、プロンプトを「Architect」モデルを用いて意味的因子へ分解することで、タスク固有のプロンプト構造を自動的に発見するAPIのみの枠組みである Adaptive Prompt Structure Factorization（aPSF）を提案する。
- 各因子の周辺的寄与を、検証時の性能変化によってスコアリングし、因子ごとに介入的な単一因子更新を行う。これにより、モノリシックなプロンプト編集と比べて制御性とクレジット割り当てが明確になり改善される。
- aPSFは、誤りに導かれた因子選択によって、現在の主要な失敗要因に焦点を当てるため、最適化をよりサンプル効率およびトークン効率の高いものにする。
- 複数の先進的推論ベンチマークでの実験により、aPSFが強力なベースラインを上回ることが示される。平均で最大+2.16ポイントの精度向上を達成し、さらにMultiArithでは最適化トークンコストを45〜87%削減しつつ、1ステップで検証におけるピークに到達する。
