SPEAR: コード拡張型エージェント的プロンプト最適化 SPEAR: Code-Augmented Agentic Prompt Optimization
自動プロンプトエンジニアリングにコード生成を組み合わせ、オプティマイザ自体をエージェント的に改善するSPEARフレームワークを提案。
English summary
- arXiv:2605.26275v1 Announce Type: new Abstract: Automatic prompt engineering (APE) rewrites prompts to improve downstream task performance, but existing APE loops treat the optimizer itself as a fixed
自動プロンプトエンジニアリング（APE）は、下流タスクの性能向上のためにプロンプトを自動的に書き換える手法だが、既存のAPEループはオプティマイザを固定されたコンポーネントとして扱うという限界があった。
SPEARはこの課題に対し、コード生成をプロンプト最適化プロセスに組み込み、オプティマイザ自体をエージェント的に機能させるアプローチを提案している。これにより、より柔軟かつ効果的なプロンプト改善が期待できる。
本論文はarXivにて2026年5月に公開されたもの（arXiv:2605.26275）。詳細な実験結果や比較ベンチマークについては原文を参照されたい。
Automatic prompt engineering (APE) aims to rewrite prompts automatically to boost downstream task performance. However, existing APE approaches treat the optimizer as a static, fixed component—limiting their adaptability and ceiling performance.
SPEAR addresses this by introducing a code-augmented, agentic optimization loop in which the optimizer itself is not fixed but can be improved as part of the process. Incorporating code generation into the prompt optimization pipeline is the key distinguishing feature, potentially enabling more systematic and expressive prompt transformations than pure natural-language rewriting.
The paper was released on arXiv in May 2026 (arXiv:2605.26275). Specific benchmark results, datasets used, and comparisons with baseline APE methods are not detailed in the available abstract and should be verified at the source.
本ページの本文・要約は AI による自動生成です。正確性は元記事 (arxiv.org) をご確認ください。