論文の概要: Prompt Decorators: A Declarative and Composable Syntax for Reasoning, Formatting, and Control in LLMs

• arxiv url: http://arxiv.org/abs/2510.19850v1
• Date: Tue, 21 Oct 2025 17:35:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:16.328455
• Title: Prompt Decorators: A Declarative and Composable Syntax for Reasoning, Formatting, and Control in LLMs
• Title（参考訳）: プロンプトデコレータ:LLMにおける推論・フォーマッティング・制御のための宣言的で構成可能な構文
• Authors: Mostapha Kalami Heris,
• Abstract要約: 本稿では,コンパクトな制御トークンを通じて動作を管理する宣言的・構成可能な構文であるPrompt Decoratorsを紹介する。 それぞれのデコレータは、タスクの内容を変更することなく、冗長な推論スタイル、構造、トーンなどの振る舞いの次元を変更する。 それは、予測可能で監査可能な振る舞い合成を可能にする統一構文、スコーピングモデル、決定論的処理パイプラインを定義する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are central to reasoning, writing, and decision-support workflows, yet users lack consistent control over how they reason and express outputs. Conventional prompt engineering relies on verbose natural-language instructions, limiting reproducibility, modularity, and interpretability. This paper introduces Prompt Decorators, a declarative, composable syntax that governs LLM behavior through compact control tokens such as +++Reasoning, +++Tone(style=formal), and +++Import(topic="Systems Thinking"). Each decorator modifies a behavioral dimension, such as reasoning style, structure, or tone, without changing task content. The framework formalizes twenty core decorators organized into two functional families (Cognitive & Generative and Expressive & Systemic), each further decomposed into subcategories that govern reasoning, interaction, expression, and session-control. It defines a unified syntax, scoping model, and deterministic processing pipeline enabling predictable and auditable behavior composition. By decoupling task intent from execution behavior, Prompt Decorators create a reusable and interpretable interface for prompt design. Illustrative use cases demonstrate improved reasoning transparency, reduced prompt complexity, and standardized model behavior across domains. The paper concludes with implications for interoperability, behavioral consistency, and the development of declarative interfaces for scalable AI systems.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、推論、記述、意思決定支援ワークフローの中心であるが、アウトプットの推論と表現に関する一貫した制御が欠けている。 従来のプロンプトエンジニアリングは、冗長な自然言語命令、再現性、モジュラリティ、解釈可能性に頼っている。 本稿では,+++Reasoning,+++Tone(style=formal), +++Import(topic="Systems Thinking")などのコンパクトな制御トークンを通じて,LCMの動作を管理する宣言的,構成可能な構文であるPrompt Decoratorsを紹介する。 各デコレータは、タスクの内容を変更することなく、推論スタイル、構造、トーンなどの振る舞いの次元を変更する。 このフレームワークは、20個のコアデコレータを2つの機能ファミリー(認知的・生成的・表現的・体系的)に分類し、さらに、推論、相互作用、表現、セッション制御を管理するサブカテゴリに分解する。 それは、予測可能で監査可能な振る舞い合成を可能にする統一構文、スコーピングモデル、決定論的処理パイプラインを定義する。 タスクインテントを実行動作から切り離すことで、PromptDecoratorは、プロンプト設計のための再利用可能な、解釈可能なインターフェースを作成する。 説明的なユースケースでは、推論の透明性の向上、迅速な複雑性の低減、ドメイン間のモデル動作の標準化などが示されている。 論文は、相互運用性、行動整合性、およびスケーラブルなAIシステムのための宣言型インターフェースの開発について、結論付けている。

関連論文リスト

• What You See Is What It Does: A Structural Pattern for Legible Software [0.29434930072968585]
  今日のソフトウェアはしばしば"不可能"であり、コードと観察された振る舞いの直接的な対応が欠如している。 新しい構造パターンは、ポータビリティとモジュラリティを改善した。 同期のためのドメイン固有の言語は、振る舞いの特徴を粒度で宣言的な方法で表現することができる。
  論文  参考訳（メタデータ） (2025-08-20T08:03:00Z)
• SimStep: Chain-of-Abstractions for Incremental Specification and Debugging of AI-Generated Interactive Simulations [16.00479720281197]
  CoA(Chain-of-Abstractions)は、プログラミングの中核的な能力を取り戻す方法である。 CoAは、合成プロセスを認知的に意味のある、タスクに沿った一連の表現に分解する。 SimStepは4つの中間抽象化を通じてシミュレーションを作成する教師のためのオーサリング環境である。
  論文  参考訳（メタデータ） (2025-07-13T14:54:17Z)
• Interactive Reasoning: Visualizing and Controlling Chain-of-Thought Reasoning in Large Language Models [54.85405423240165]
  トピックの階層構造としてチェーンオブ思考出力を可視化するインタラクション設計であるInteractive Reasoningを導入する。 私たちは、不確実なトレードオフに直面したAIによる意思決定のプロトタイプであるHippoで、インタラクティブな推論を実装しています。
  論文  参考訳（メタデータ） (2025-06-30T10:00:43Z)
• CodeDiffuser: Attention-Enhanced Diffusion Policy via VLM-Generated Code for Instruction Ambiguity [23.77040677368575]
  我々は,潜在的にあいまいな自然言語によって指定されたタスクを達成できる,新しいロボット操作フレームワークを導入する。 このフレームワークはVLM(Vision-Language Model)を使用して、自然言語命令の抽象概念を解釈する。 本稿では,言語あいまいさ,コンタクトリッチな操作,多目的インタラクションといった課題に対して,アプローチが優れていることを示す。
  論文  参考訳（メタデータ） (2025-06-19T23:42:03Z)
• Exploring Prompt Engineering Practices in the Enterprise [3.7882262667445734]
  プロンプト(英: prompt)は、モデルから特定の振る舞いや出力を引き出すように設計された自然言語命令である。 特定の要求のある複雑なタスクやタスクに対して、迅速な設計は簡単ではない。 我々は、プロンプト編集行動のセッションを分析し、ユーザが反復したプロンプトの一部と、それらが行った変更の種類を分類する。
  論文  参考訳（メタデータ） (2024-03-13T20:32:32Z)
• kNN-ICL: Compositional Task-Oriented Parsing Generalization with Nearest Neighbor In-Context Learning [50.40636157214161]
  Task-Oriented Parsing (TOP)により、会話アシスタントは自然言語で表現されたユーザーコマンドを解釈できる。 LLMは、自然言語のプロンプトに基づいて、コンピュータプログラムにおいて印象的な性能を達成した。 本稿では,LLMのセマンティック解析機能を活用することに焦点を当てる。
  論文  参考訳（メタデータ） (2023-12-17T17:26:50Z)
• LISA: Reasoning Segmentation via Large Language Model [68.24075852136761]
  そこで我々は,新たなセグメンテーションタスク,すなわち推論セグメンテーションを提案する。 このタスクは、複雑で暗黙的なクエリテキストを与えられたセグメンテーションマスクを出力するように設計されている。 提案するLISA: Large Language Instructed Assistantは,マルチモーダル大規模言語モデルの言語生成能力を継承する。
  論文  参考訳（メタデータ） (2023-08-01T17:50:17Z)
• AmadeusGPT: a natural language interface for interactive animal behavioral analysis [65.55906175884748]
  動作の自然言語記述をマシン実行可能なコードに変換する自然言語インタフェースであるAmadeusGPTを紹介する。 MABE 2022の動作課題タスクで最先端のパフォーマンスを実現できることを示す。 アマデウスGPTは、深い生物学的知識、大規模言語モデル、そしてコアコンピュータビジョンモジュールをより自然に知的なシステムに統合する新しい方法を提示している。
  論文  参考訳（メタデータ） (2023-07-10T19:15:17Z)
• The Whole Truth and Nothing But the Truth: Faithful and Controllable Dialogue Response Generation with Dataflow Transduction and Constrained Decoding [65.34601470417967]
  本稿では,ニューラルネットワークモデリングとルールベース生成の強みを組み合わせた対話応答生成のためのハイブリッドアーキテクチャについて述べる。 本実験により, 本システムは, 流布性, 妥当性, 真理性の評価において, ルールベースおよび学習的アプローチの両方に優れることがわかった。
  論文  参考訳（メタデータ） (2022-09-16T09:00:49Z)

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。