論文の概要: Green Prompt Engineering: Investigating the Energy Impact of Prompt Design in Software Engineering

• arxiv url: http://arxiv.org/abs/2509.22320v1
• Date: Fri, 26 Sep 2025 13:19:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.44813
• Title: Green Prompt Engineering: Investigating the Energy Impact of Prompt Design in Software Engineering
• Title（参考訳）: グリーン・プロンプト・エンジニアリング:ソフトウェア・エンジニアリングにおけるプロンプト・デザインのエネルギー的影響を探る
• Authors: Vincenzo De Martino, Mohammad Amin Zadenoori, Xavier Franch, Alessio Ferrari,
• Abstract要約: 本稿では,グリーン・プロンプト・エンジニアリングを紹介し,エネルギー消費と性能に影響を及ぼす設計次元として言語学的複雑さを浮き彫りにする。 我々は,オープンソースの小言語モデルを用いた要件分類に関する実証的研究を行い,プロンプトの可読性を変化させる。
• 参考スコア（独自算出の注目度）: 4.100681477651029
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Language Models are increasingly applied in software engineering, yet their inference raises growing environmental concerns. Prior work has examined hardware choices and prompt length, but little attention has been paid to linguistic complexity as a sustainability factor. This paper introduces Green Prompt Engineering, framing linguistic complexity as a design dimension that can influence energy consumption and performance. We conduct an empirical study on requirement classification using open-source Small Language Models, varying the readability of prompts. Our results reveal that readability affects environmental sustainability and performance, exposing trade-offs between them. For practitioners, simpler prompts can reduce energy costs without a significant F1-score loss; for researchers, it opens a path toward guidelines and studies on sustainable prompt design within the Green AI agenda.
• Abstract（参考訳）: 言語モデルは、ソフトウェア工学にますます適用されているが、その推論は、環境の懸念を増大させる。 以前の研究では、ハードウェアの選択と迅速な長さについて検討されてきたが、持続可能性因子として言語学的複雑さにはほとんど注意が払われていない。 本稿では,エネルギー消費と性能に影響を及ぼす設計次元として,言語的複雑さを浮き彫りにするグリーン・プロンプト・エンジニアリングを紹介する。 我々は,オープンソースの小言語モデルを用いた要件分類に関する実証的研究を行い,プロンプトの可読性を変化させる。 その結果,可読性は環境の持続可能性や性能に影響を及ぼし,両者のトレードオフが露呈することがわかった。 実践者にとって、より単純なプロンプトは、大きなF1スコアの損失を伴わずにエネルギーコストを削減できる。研究者にとって、グリーンAIアジェンダにおける持続可能なプロンプトデザインに関するガイドラインと研究への道を開く。

関連論文リスト

• Insights Informed Generative AI for Design: Incorporating Real-world Data for Text-to-Image Output [51.88841610098437]
  本稿では,DALL-E 3を材料データセットと統合して,サステナビリティ指標と材料利用の洞察を備えたAI設計を充実させるパイプラインを提案する。 我々は,(1) 生成AIによるプロンプトプロセスに先立ってユーザに対してサステナビリティの言及がなく,(2) プロンプト前にユーザと通信するサステナビリティの目標,(3) 生成AI出力に含まれる量的CO2eデータとともに通信するサステナビリティの目標である,という3つのユーザテストを通じてシステムを評価する。
  論文  参考訳（メタデータ） (2025-06-17T22:33:11Z)
• Greening AI-enabled Systems with Software Engineering: A Research Agenda for Environmentally Sustainable AI Practices [70.24403396375277]
  CECAM-Lorentzワークショップは2025年2月3日、スイスのローザンヌで開催された。 本報告ではワークショップから生まれた研究課題について述べる。 環境に優しいAIシステムの開発を導くために、オープンな研究の方向性と実践的な勧告を概説する。
  論文  参考訳（メタデータ） (2025-06-02T15:19:49Z)
• Green Prompting [2.377736044164336]
  大規模言語モデル (LLM) は、検索エンジン、コード生成、テキスト生成にまたがる様々な領域で広く使われている。 本研究は, LLM推定エネルギーコストに直接影響する刺激特性と応答特性の相違について実験的に検討した。
  論文  参考訳（メタデータ） (2025-03-09T19:49:31Z)
• Prompt engineering and its implications on the energy consumption of Large Language Models [4.791072577881446]
  ソフトウェア工学における大規模言語モデル(LLM)は、計算資源、データセンター、二酸化炭素排出に関する深刻な問題を引き起こす。 本稿では,コード生成タスクにおけるLlama 3モデルの炭素排出に及ぼすPETの影響について検討する。
  論文  参考訳（メタデータ） (2025-01-10T11:49:31Z)
• Question Answering for Decisionmaking in Green Building Design: A Multimodal Data Reasoning Method Driven by Large Language Models [13.501199715254906]
  グリーンビルの設計における意思決定(DGBD)は、建築エネルギーコストの削減に不可欠である。 多くの研究がこの分野に人工知能(AI)の手法を適用している。 本研究は,大規模言語モデルをDGBDと革新的に統合し,マルチモーダルデータ推論のための問合せフレームワークであるGreenQAを作成する。
  論文  参考訳（メタデータ） (2024-12-06T03:02:58Z)
• Green Federated Learning: A new era of Green Aware AI [11.536626349203361]
  フェデレートラーニング(FL)は、このニーズに対処する新たな機会を提供する。 グリーンアウェアなAIアルゴリズムの既存の取り組みとギャップをナビゲートし、理解するためのロードマップを、研究者、ステークホルダ、関心のある関係者に提供することが重要です。 この調査は主に、100を超えるFL作品を特定し分析することで、この目的を達成することを目的としている。
  論文  参考訳（メタデータ） (2024-09-19T09:54:18Z)
• Efficient Prompting Methods for Large Language Models: A Survey [50.82812214830023]
  効率的なプロンプティング手法は幅広い注目を集めている。 本稿では,異なるプロンプト成分に対する自動プロンプトエンジニアリングと連続空間および離散空間におけるプロンプト圧縮について論じる。
  論文  参考訳（メタデータ） (2024-04-01T12:19:08Z)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。