AIF基盤モデルのアプリケーション
開発者がAmazon Bedrockを使用して複雑な数学的推論や多段階の法的分析を行うアプリケーションを開発しています。モデルが中間ステップを明示しながら段階的に推論することで精度が向上するプロンプトエンジニアリング手法を適用したいと考えています。最も適切な手法はどれですか？
Aゼロショットプロンプティング：具体的な例や推論ステップを一切与えずにタスクの指示のみで最終回答を直接生成させる手法
ゼロショットプロンプティングは単純なタスクには十分ですが複雑な推論では精度が落ちます。
Bチェーン・オブ・ソート（CoT：Chain-of-Thought）プロンプティング：段階的な中間推論過程を出力するよう指示し複雑なタスクでの回答精度を向上させる手法
✓ 正解
チェーン・オブ・ソート（CoT）プロンプティングは、モデルに中間推論過程を明示的に出力させることで、複雑な推論タスクの精度を大幅に向上させる手法です。「ステップバイステップで考えてください」という一文を追加するだけでも有効です。
Cネガティブプロンプティング：誤った回答例や禁止パターンを複数列挙し、それを回避させることで望ましい出力に誘導する手法
ネガティブプロンプティングはLLM評価では一般的な標準手法ではなく、このような形式の効果は限定的です。
Dシステムプロンプト省略手法：指示・制約をすべてユーザーターンに集約しモデルへの制限を取り除くことで自由な発想を引き出す手法
System prompt を削除することは精度低下につながります。
解説
チェーン・オブ・ソート（CoT）プロンプティングは、モデルに中間推論過程を明示的に出力させることで、複雑な推論タスクの精度を大幅に向上させる手法です。「ステップバイステップで考えてください」という一文を追加するだけでも有効です。
選択肢Aのゼロショットプロンプティングは単純なタスクには十分ですが、多段階の推論が必要な複雑なタスクでは精度が落ちます。
選択肢CのネガティブプロンプティングはLLMにおける標準的な手法ではなく、このような形式による精度向上効果は限定的です。
選択肢Dのシステムプロンプトを省略する手法は、モデルへの文脈情報・制約が失われることで回答の精度・一貫性が低下するため不適切です。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →