定義
GEPA(進化的プロンプト最適化)とは、遺伝的アルゴリズムの交叉・変異とLLM自身による内省的な振り返りを組み合わせてプロンプトを自動改良する手法のこと。
GEPA (進化的プロンプト最適化)とは（詳しく解説）
GEPAはGenetic Pareto の略で、プロンプト候補を遺伝的アルゴリズムのように交叉・変異させながら、LLM自身に実行トレースを振り返らせて改善点を言語化させる「反射的最適化」を組み合わせた手法とされる。従来のMIPROなど強化学習ベースの最適化より少ない試行回数で高精度を出せると報告されており、DSPyなど一部フレームワークに実装が広がっている。ただし2026年時点の実運用では、最適化に使う評価データセットの質が結果を左右しやすく、汎用ベンチマークで良いスコアが出ても自社データでは性能が伸びないケースが指摘される。最適化1回あたり多数のLLM呼び出しが発生するためコスト増になりやすく、現場では対象タスクを絞って小規模に試し、効果が確認できた範囲だけ本番プロンプトに反映する運用が広がっている。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「GEPA (進化的プロンプト最適化)とは」 https://aipicks.jp/glossary/gepa
GEPA (進化的プロンプト最適化)の使用例
- 「このプロンプトで失敗した出力を振り返り、失敗要因を1文で述べた上で改善版プロンプトを提案せよ」という反省プロンプトを反復実行する。
- 評価データ100件に対しプロンプトA/Bを精度とコストのパレート最適の観点で比較し、優位な世代だけを次の交叉に残す。
