Directional Stimulus Promptingとは｜DSPの論文手法と手動プロンプト例

この記事の監修者

リスキルAIキャリア編集部

リスキルAIキャリアは、AI時代の学び直し・キャリア形成・副業・転職に役立つ情報を発信するWebメディアです。編集部では、生成AIスキルの身につけ方、AI関連スクール・講座の選び方、キャリアアップにつながる学習方法などを、実務目線でわかりやすくお届けしています。

結論から示します。Directional Stimulus Prompting（方向性刺激プロンプト、以下DSP）の論文版は、小型モデルを訓練してヒントを自動生成する枠組みです。個人がそのまま再現するのは採算に合いません。個人が実務で再現できるのは、要約や議事録に含めたいキーワードを手で指定する部分だけです。

まず、あなたの目的別にこの記事の答えを整理します。目的がズレると、論文の改善率を自分の実務成果と誤読します。

この記事では、DSPを「論文上の正式手法」と「個人がChatGPT等で真似できる手動版」に分けて扱います。両者を混同すると、論文の改善率を実務成果のように誤読します。

生成AIを仕事で使うなら、DSP単体の暗記では足りません。プロンプト手法を「どの業務で、どのリスク条件で使うか」まで判断できる必要があります。PEP検定では、こうした生成AI活用の基礎知識と実務判断を体系的に確認できます。

Directional Stimulus Promptingとは：LLMをヒントで方向づける手法

DSPは、LLMに「方向づけのヒント（stimulus）」を渡して出力を誘導する手法です。2023年のNeurIPSで発表されました。ヒントは正解そのものではなく、出力に含めてほしいキーワードや観点の手掛かりです。

論文本文はarXivの「Guiding Large Language Models via Directional Stimulus Prompting」（arXiv:2302.11520）で確認できます。実験設定・使用データセット・評価指標は論文中の実験章を参照してください。査読版はNeurIPS 2023 Proceedingsで、公式実装は著者のGitHubリポジトリで公開されています。

DSPの仕組み：小型policy modelがヒントを自動生成する

論文のDSPは、小型のpolicy model（T5系）を訓練してヒントを自動生成します。大型のLLM（論文ではChatGPT／Codex／GPT-3.5系）は固定したまま、外側の小型モデルだけを学習させる設計です。この分業がDSPの核心です。

訓練は2段階です。まず少量データで教師ありファインチューニング（SFT）を行います。次に、LLMの出力品質を報酬にした強化学習でpolicy modelを最適化します。ヒントを作るのは人ではなく訓練済みの小型モデルという点が、個人の手動運用と決定的に違います。

論文で報告された改善幅：手動プロンプトでは再現保証なし

論文の数値は、訓練済みpolicy modelを使った結果です。論文の要旨では、対話生成タスクMultiWOZで、わずか80対話の学習により、標準プロンプトに対してChatGPTのCombined Scoreを41.4%改善したと報告されています。これは相対値であり、policy modelにはT5系モデルを用い、SFTと強化学習で訓練した構成です。

要約タスクCNN/Daily Mailでは、DSPが標準プロンプトに対してROUGE系指標を改善したと報告されています。具体的な値は論文の実験章（arXiv:2302.11520）で確認してください。使用LLM・policy model・比較対象は論文表に明記されています。

手動でキーワードを差し込むだけの運用で、同じ改善幅が出るとは限りません。数値を引用するときは、この前提を必ず添えてください。ここを誤ると、論文の成果を手動プロンプトの成果と誤読します。

個人にDSPは再現できるのか：自動化版と手動版の線引き

結論は「自動化版は無理、手動版なら可能」です。policy modelの訓練にはデータ整備・報酬設計・計算資源が要ります。単発の副業タスクでは、そのコストは成果に合いません。

一方、DSPの中心である「ヒントで方向づける」だけなら、プロンプトに手で書けます。論文の手法をそっくり真似るのではなく、思想を借りるという整理になります。

「DSPを使った」と名乗るなら、自動化版か手動版かを区別して語るのが誠実です。この線引きを飛ばすと、論文数値を自分の成果のように誤解させます。

DSPと似た手法の違い：RAG・Few-shot・CoTと比較

DSPは他の手法と混同されがちです。核心は「何を足すか」で見分けます。下表で使い分けを整理します。

判断順は「知識が足りないならRAG」「型を揃えたいならFew-shot」「注目点を絞りたいならDSP」「理由を追わせたいならCoT」です。知識追加系の違いは知識生成プロンプトの記事、例による誘導はFew-shotプロンプトの記事で補足しています。

ChatGPTで手動版DSPを使う手順とプロンプト例

手動版DSPは3ステップです。要点を先に自分で決め、それをヒントとして注入し、出力を採点します。要点を書き手が把握していることが前提です。

1. 依頼前に「出力に必ず含めたいキーワード」を3〜7個書き出す
2. そのキーワードをプロンプトに明示指定し、方向づける
3. 出力にキーワードが正しく反映されたか自己採点する

ビフォーアフター：標準プロンプトと手動版DSPの差

同じ会議メモを、標準プロンプトと手動版DSPで処理した例を示します。入力メモは「新機能Aのリリースを来月に延期。原因はテスト工数不足。田中が代替案を21日までに提出。予算追加は未決」です。

標準プロンプト：「この会議メモを議事録にまとめて」
出力例：「新機能Aのリリース延期について話し合った。テスト工数が不足しており、田中さんが対応する」。担当・期限・未決事項が抜けます。

手動版DSP：「この会議メモを議事録に整理してください。次の観点を見出しにしてください：[決定事項, 未決事項, 担当と期限]。該当がなければ『該当なし』と明記してください」
出力例：決定事項＝リリースを来月へ延期。未決事項＝予算追加。担当と期限＝田中／代替案を21日提出。抜け漏れが消えます。

要約・議事録・提案書のコピペ雛形

実務で使える雛形を3つ示します。角括弧の中を自分の案件に置き換えてください。キーワードは自分が重要と判断した語を入れます。

要約用：「以下の文章を400字で要約してください。次のキーワードを必ず含め、その観点を優先してください：[売上, 解約率, 次四半期の施策]。含められない場合は理由を書いてください」

議事録用：「この会議メモを議事録に整理してください。次の観点を見出しにしてください：[決定事項, 未決事項, 担当と期限]。各見出しに該当がなければ『該当なし』と明記してください」

提案書用：「提案の骨子を作ってください。次のキーワードを軸に構成してください：[課題, 解決策, 費用対効果, 導入スケジュール]。抜けた軸があれば末尾に一覧で示してください」

「含められない場合は理由を書け」と付けると、無理にキーワードを詰め込む偏りを防げます。要約を濃くする別アプローチはChain of Densityの記事と併用できます。

職種別：手動版DSPで何の仕事に使えるか

手動版DSPは「文章をうまくする技術」ではなく「抜け漏れを減らす品質管理」として使います。職種別の使いどころを整理します。

副業案件で使うなら、DSPは品質管理として使うほうが安全です。単発テクニックの暗記より、業務ごとの使い分けを説明できる状態が案件で評価されます。DSPを含む手法群の使い分けは、PEP検定で体系的に確認できます。なお法人向けの研修パッケージは準備中です。

手動版DSPの効果検証：10点満点で自己採点する

出力は必ず採点してから納品します。感覚で判断せず、次の5項目を各0〜2点で採点してください。

10点満点で8点以上なら実務投入、6〜7点ならプロンプト修正、5点以下ならDSPを使わず原文整理からやり直します。これで「手動版なら可能」という主張を、自分で検証できる形にします。出力が崩れる原因の切り分けは、プロンプトが効かない原因の記事で診断できます。

DSPを使ってはいけない場面：誤誘導が起きる条件

DSPは万能ではありません。手掛かりを与える手法である以上、手掛かりが誤ると出力も誤ります。次の3条件では使わない判断が正解です。

答えの要点を自分が把握していない探索的タスク

要点を知らないと、正しいヒントを作れません。新規テーマの調査や、答えの方向が定まらないブレストには向きません。

悪い例：「生成AI副業で稼げる方法を調べて。キーワードは『月10万円、未経験、簡単』を必ず入れて」。結論ありきの誘導になり、実態より甘い出力が出ます。探索段階では、まず知識生成やRAGで前提を集めるほうが速いです。

誤ったヒントで事実が捻じ曲がる場面

キーワードで誘導すると、その語に引っ張られた出力が出ます。医療・法務・財務など、事実の正確さが最優先の領域では危険です。

悪い例：「この契約書リスクを要約して。キーワードは『問題なし、軽微、すぐ締結』を入れて」。リスク評価を誘導し、事実確認より先に結論を固定します。この種のタスクでは、誘導より検証を優先してください。

単発作業で訓練コストに見合わない場合

論文の自動化版を単発作業に持ち出すのは過剰です。policy modelの訓練コストが成果に見合いません。

悪い例：「1回だけの社内メモ整理のためにDSP用の小型モデルを訓練する」。訓練データ整備・評価設計・GPU環境のコストが成果に合いません。単発業務では、手動のキーワード指定で足ります。「自動化するほど繰り返すか」を投資判断の軸にしてください。

検定対策としては、DSPの名前を覚えるよりも「RAG、Few-shot、CoT、DSPをどの条件で使い分けるか」を説明できる状態が重要です。PEP検定を受けるなら、この使い分けを自分の業務例で説明できるようにしておいてください。

よくある質問

DSPは無料で試せますか

手動版なら追加費用なしで試せます。使っているLLMのプロンプトにキーワードを書き足すだけです。論文の自動化版は、policy modelの訓練にGPU環境が必要になります。

論文のCombined Score 41.4%改善は手動でも出ますか

同じ数値は保証できません。41.4%はMultiWOZで小型policy modelを訓練し、標準プロンプトと比較した相対値です（arXiv:2302.11520）。手動でキーワードを注入する運用は前提が異なり、効果は案件ごとに検証が必要です。

Few-shotとDSPはどちらを先に使うべきですか

出力フォーマットを揃えたいならFew-shot、注目点を絞りたいならDSPです。両立もできます。例で型を示しつつキーワードで方向づけると、出力フォーマットと注目点を同時に制御できます。ただし、例とキーワードが矛盾すると出力が崩れます。

DSPとRAGは併用できますか

併用できます。RAGで集めた知識を入力に足し、その中で注目させたい観点をDSPのヒントで指定する流れです。知識の追加と方向づけは役割が違うため、衝突しません。

次にやること：手動DSPを試し、PEP検定で使い分けを確認する

次にやることは2つです。1つ目は、要約・議事録・提案書のどれかで手動版DSPを1回試し、10点満点で自己採点することです。まず手元の定型業務で、含めたい語を3〜7個決めて雛形に入れてください。

2つ目は、DSPだけでなくRAG、Few-shot、Chain of Thoughtの使い分けを整理することです。生成AIを副業・転職で使うなら、単発テクニックではなく実務判断が問われます。PEP検定でその基礎を確認してから、案件や職務経歴書に落とし込んでください。

一次情報はarXiv:2302.11520と公式実装で必ず確認します。手動版で成果を出し、体系的に学び、必要になったときだけ自動化を検討する順番が、個人には最も無理がありません。