2026年02月24日
## 要約：
本研究では、拡散言語モデル (DLM) を利用して、システムプロンプトを反復的に改善する新しいフレームワークを提案します。ユーザーの入力、モデルの応答、フィードバックなどの対話履歴を条件付けすることで、モデルの勾配情報なしに、柔軟かつ粒度の細かいプロンプトの調整を可能にします。実験の結果、凍結された大規模言語モデル (LLM) の性能を多様なベンチマークで改善することが確認されました。
---
## 翻訳：
arXiv:2602.18449v1 Announce Type: new
Abstract: 本研究では、拡散モデルを利用してプロンプトを最適化するフレームワークを提案します。この手法は、拡散言語モデル (DLM) を活用し、マスクされたノイズ除去を通じてシステムプロンプトを反復的に改善します。ユーザーのクエリ、モデルの応答、およびオプションのフィードバックを含むインタラクション履歴を条件付けすることで、勾配アクセスを必要とせず、また下流言語モデルを変更することなく、柔軟かつスパンレベルのプロンプト更新を可能にします。多様なベンチマーク (例: $ au$-bench, SST-2, SST-5) にわたって、DLMで最適化されたプロンプトは、凍結されたターゲットLLM (例: GPT-4o-mini) のパフォーマンスを一貫して向上させます。さらに、拡散ステップ数を適度な数にすることで、改善の質と安定性の最適なバランスが得られることを示しました。これらの結果は、拡散ベースのプロンプト最適化が、反復的なプロンプトの改善を通じてLLMのパフォーマンスを向上させるための、汎用的でモデル非依存性があり、スケーラブルなアプローチであることを示唆しています。
[📰 原文はこちら](https://arxiv.org/abs/2602.18449)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
