エンクゾル・ドブドン氏は6月16日(現地時間)、生成AIの自然言語プロンプトが持つ曖昧さを解消するための新しいドメイン固有言語「プロンプトMN (PromptMN)」に関する論文を発表しました。プロンプトMNは、プロンプト内で埋もれがちな役割、目標、制約、期待される出力といった要素に構造を与えることで、AIとの対話の精度向上と既存プロンプトの脆弱性改善を目指します。
プロンプトMN (PromptMN) は、自然言語にコンパクトな%-プレフィックス付き型ディレクティブ (compact %-prefixed typed directives)を付加することで、プロンプトに構造を付与します。これには、役割、目標、要件、優先順位、制約、計画、入力、出力などの要素が含まれます。セマンティックな解決により、記述順序に依存せず、モデルがディレクティブを機能に基づいて解釈できるとされます。
この言語は、非公式なプロンプトとプログラミングスタイルの擬似コードの中間に位置付けられます。これにより、検証可能で再利用可能な構造を持ちながら、アナリスト、マネージャー、開発者、およびソフトウェア開発ライフサイクル (SDLC) 全体のステークホルダーにとって十分に軽量であることが特徴です。
プロンプトMNは、逆プロンプトエンジニアリングとも連携します。モデルに望ましい結果をプロンプトMNとして再記述させることで、ユーザーは行動する前に、推論された役割、目標、制約、および欠落している仮定を検査できます。これにより、修正サイクルが削減され、人間とAIツールの連携のための再利用可能な成果物となります。
その実現可能性は、Claude Fable 5、Claude Opus 4.8、Gemini 3.1 Pro、GPT-5.5といった複数のフロンティアモデルで評価されました。これらのモデルは、ファインチューニングなしで、繰り返し、条件、メソッド、素数判定タスクなどの複雑な構造を含むプロンプトMNの指示を正しく解決したとされています。論文では、大規模な検証は今後の課題としながらも、これらの初期結果が、より明確でレビューしやすい人間とAIの対話に向けた実践的な一歩であると示唆されています。
既存のプロンプトエンジニアリングフレームワーク、例えばDSPyやLMQLなどがプロンプト最適化やモジュール化をコードレベルで追求するのに対し、プロンプトMNはより自然言語に近い形式で構造化を可能にします。これにより、技術者ではない実務者でもプロンプトの意図を明確に定義しやすくなり、企業におけるプロンプトの管理・ガバナンスの強化に貢献する可能性があります。特に、複雑な業務プロセスをAIに適用する際、プロンプトの透明性と再利用性を高めることで、AIツールの導入障壁を下げ、効率的な運用を促進する戦略的含意が期待されます。
この研究論文は、研究論文リポジトリarXiv cs.CLに掲載されました。
参考: arXiv cs.CL — 2026年6月17日 13:00 (JST)