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。
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「最小から最大へのプロンプト (Least-to-Most)とは」 https://aipicks.jp/glossary/least-to-most
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。
