01 / UNDERSTAND
仕組みと使いどころ
GEPA（Genetic-Pareto）は、1つ以上のLLMプロンプトを含むAIシステムを対象とするプロンプト最適化手法です。推論、ツール呼び出し、ツール出力などの実行過程を収集し、自然言語による振り返りから問題を診断します。その結果を基にプロンプトの更新案を作成して試し、複数の評価観点で得られた相補的な改善をパレートフロンティアから組み合わせます。論文では、限定された複数のタスクにおいて強化学習手法や別のプロンプト最適化手法を上回った結果が報告されています。ただし、あらゆるモデルやタスクで改善することを保証するものではなく、効果は対象システム、評価指標、フィードバックなどに左右されます。
02 / IN PRACTICE
GEPAの活用例
たとえば、こんな場面で
数学問題への回答システムで、誤答時に正解や解法を含む文章フィードバックを与え、GEPAに失敗傾向を分析させる使い方が考えられます。生成された指示文の修正案を検証用データで評価し、成績のよいプロンプトを選択します。
03 / GOOD TO KNOW
使うときのポイント
導入時は、評価用データと評価指標を事前に定め、最適化前後を分離したテストデータで確認します。論文中の改善率や少ない試行回数を、自分の用途でも再現できる効果として扱わないことが重要です。
参考資料
Paper page - GEPA: Reflective Prompt Evolution Can Outperform Reinforcement Learning （新しいタブで開きます）Prompt Optimization for Language Models with DSPy GEPA · Hugging Face （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。