最小から最大へのプロンプト (Least-to-Most)
読み: さいしょうからさいだいへのぷろんぷと
最終更新: 2026-06-29・AI PICKS編集部
定義
最小から最大へのプロンプトとは、複雑な問題を単純なサブ問題に分解し、易しい順に解いて前の回答を次の入力に組み込みながら段階的に難問へと進むプロンプト技法のこと。
最小から最大へのプロンプト (Least-to-Most)とは — 詳しく解説
最小から最大へのプロンプト（Least-to-Most Prompting、L2M）は、2022年にZhouらが提案した推論強化技法。複雑な問題をLLMに直接解かせると精度が落ちやすい課題に対し、「サブ問題への分解」と「易しい順に解いて答えを積み上げる」の2フェーズで構成される。チェーン・オブ・ソート（CoT）が1回のプロンプト内で思考を展開するのに対し、L2Mは複数回のやりとりで解を段階的に構築する点が特徴で、記号操作や算数の文章題などでCoTを大幅に上回る精度が報告されている。 2026年現在の実運用では、分解ステップ自体をLLMに自動生成させる手法（Self-L2M）が現場では主流。その分、1タスクあたりのAPI呼び出し数が2〜5倍になるため、API利用料の相場感を把握しておく必要がある。AI PICKSが確認した事例では、AIコーディングツールとの組み合わせが効果的で「要件定義→設計→実装」を段階的に問い合わせると出力品質が安定する報告が多い。一方、分解ステップが増えるほどコンテキストウィンドウを圧迫するため、長大なタスクでは中間サマリーを挟む工夫が必要。シンプルなタスクにはfew-shotやCoTで十分なケースが大半なため、採用前に複雑さを見極めるのが現場の鉄則だ。
最小から最大へのプロンプト (Least-to-Most)の使用例
- コード設計での活用: 「このAPIに必要なエンドポイントを列挙して」→「①から順に仕様を定義して、前の定義を踏まえて」と段階的に深める。
- 数学問題での活用: 「この問題を解くためのステップを箇条書きにして」→「ステップ1を解いて」→「その答えを使ってステップ2を解いて」と積み上げる。
最小から最大へのプロンプト (Least-to-Most)に関連するAIツール
関連用語
「プロンプト技法」の他の用語
AI への指示文。 役割 + タスク + 制約 + 文脈 の 4 要素を明示するのが基本。
AI への指示文を 設計する技術。 役割・タスク・制約・文脈 の 4 要素 + Few-shot などのテクニック。
AI に「お手本の例」を 3-5 件見せてから タスクを依頼する手法。 出力フォーマットが安定する。
AI に「ステップごとに考えてください」と促し、 複雑な推論精度を上げる手法。
例示なしで AI にタスクを依頼する方法。 最新モデルは Zero-shot 精度が大幅に向上した。
システムプロンプトとは、AIアシスタントの応答スタイル・役割・制約をあらかじめ設定する隠し命令文のこと。ユーザーの入力より先に処理され、会話全体のトーンと動作範囲を規定する。
AI用語辞典をすべて見てみませんか
12カテゴリ・302語以上を体系的に整理しています
辞典トップへ