論文の概要: What makes prompts a graph: necessary and sufficient conditions for prompt graph engineering

• arxiv url: http://arxiv.org/abs/2607.27578v1
• Date: Thu, 30 Jul 2026 01:42:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.361199
• Title: What makes prompts a graph: necessary and sufficient conditions for prompt graph engineering
• Title（参考訳）: グラフをプロンプトさせるもの--グラフ工学のプロンプトに必要な十分な条件
• Abstract要約: 本稿では,プロンプトグラフ工学の定義を提案し,その4つの条件を記述し,それを包含・排除テストとして運用する。 このコントリビューションは、業界が正確に命名することなく毎日実施しているプラクティスのための運用定義と共有語彙である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prompts stopped being isolated strings some time ago. In real systems, one model call feeds another, retrieval interleaves with generation, routers branch, and aggregators merge parallel results. Practice converged on a single structure to hold this together: the graph. Frameworks such as LangGraph, DSPy, and Prompt Flow expose it openly, and research systems already optimize it automatically. The vocabulary, however, lags behind. Graph names, variously, a reasoning topology inside one sampling strategy, a multi-agent conversation, or an orchestration artifact, while prompt engineering still evokes writing one good string. What is missing is a reference definition treating prompts as nodes of an explicit, executable, improvable graph. We build that definition through conceptual analysis over sources with persistent identifiers, complemented by primary grey literature. We reconstruct the genealogy of the idea, from dataflow graphs and build systems, through prompt chaining and the thought topologies (chain, tree, graph), to graphs compiled and optimized as artifacts. We then propose a constitutive definition of prompt graph engineering, state its four conditions (explicit structure, separation between structure and prompt content, executable semantics, and the graph as a first-class engineering artifact), and operationalize them as an inclusion and exclusion test. We draw the boundary against six neighboring concepts and apply the test to six real systems (LangGraph, DSPy, Prompt Flow, AutoGen, CrewAI, and Claude Code subagents); it includes and excludes consistently. We close with a research agenda organized along four design tension axes. The contribution is an operational definition and a shared vocabulary for a practice that industry already exercises daily without naming precisely.
• Abstract（参考訳）: プロンプトは、しばらく前に孤立した文字列であるのをやめた。 実際のシステムでは、1つのモデルコールが別のモデルコールをフィードし、ジェネレーション、ルータブランチ、アグリゲータが並列結果をマージする。 実践は1つの構造に収束してこれをまとめる:グラフ。 LangGraph、DSPy、Prompt Flowなどのフレームワークが公開しており、研究システムはそれを自動的に最適化している。 しかし、語彙は遅れている。 グラフ名は、サンプリング戦略の1つ、マルチエージェントの会話、オーケストレーションアーティファクトの内部の推論トポロジで、エンジニアリングは依然として1つのよい文字列を書くことを誘発している。 欠けているのは、プロンプトを明示的で実行可能で即効性のあるグラフのノードとして扱う参照定義である。 我々は、この定義を、一次グレー文学によって補完された永続的な識別子を持つ情報源に関する概念解析によって構築する。 データフローグラフやビルドシステムから,チェーンや思考トポロジ(チェーン,ツリー,グラフ)の即時連鎖や,アーティファクトとしてコンパイルおよび最適化されたグラフに至るまで,アイデアの系譜を再構築する。 次に、プロンプトグラフエンジニアリングの構成的定義を提案し、その4つの条件(明示的構造、構造とプロンプトの分離、実行可能なセマンティクス、グラフを第一級エンジニアリングアーティファクトとして扱う)を記述し、それを包含・排除テストとして運用する。 隣り合う6つの概念(LangGraph, DSPy, Prompt Flow, AutoGen, CrewAI, Claude Codeサブエージェント)に対して境界線を描き、テストを6つの実システム(LangGraph, DSPy, Prompt Flow, AutoGen, CrewAI, Claude Codeサブエージェント)に適用します。 われわれは4つのデザインの緊張軸に沿って組織された研究の議題を締めくくった。 このコントリビューションは、業界が正確に命名することなく毎日実施しているプラクティスのための運用定義と共有語彙である。

関連論文リスト

• Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
  ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。 ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
  論文  参考訳（メタデータ） (2026-09-04T23:32:11Z)
• GraphReAct: Reasoning and Acting for Multi-step Graph Inference [49.26607058250454]
  GraphReActは、グラフ構造化データに対するステップバイステップの推論を可能にするグラフ推論実行フレームワークである。 検索と精細化の両方で推論をインターリーブすることで、我々のフレームワークは文脈拡張から圧縮への進歩的な移行を可能にします。
  論文  参考訳（メタデータ） (2026-05-08T07:09:42Z)
• GraphWalk: Enabling Reasoning in Large Language Models through Tool-Based Graph Navigation [0.2999888908665658]
  問題に依存しない、トレーニング不要な、ツールベースのフレームワークであるGraphWalkを紹介します。 我々は、GraphWalkを組み込んだモデルが、これらの操作を正しい多段階推論チェーンに構成できるかどうかを評価する。
  論文  参考訳（メタデータ） (2026-04-02T04:43:01Z)
• GraphRunner: A Multi-Stage Framework for Efficient and Accurate Graph-Based Retrieval [3.792463570467098]
  GraphRunnerは、新しいグラフベースの検索フレームワークで、計画、検証、実行の3つの異なる段階で動作する。 推論エラーを著しく低減し、実行前に幻覚を検出する。 GRBenchデータセットによる評価は、GraphRunnerが既存のアプローチを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-07-11T18:10:01Z)
• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [79.75818239774952]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• GCoT: Chain-of-Thought Prompt Learning for Graphs [31.010620233375402]
  思考の連鎖(CoT)は自然言語処理(NLP)において顕著な成功を収めた しかし、その膨大なポテンシャルはグラフに対してほとんど探索されていない。 テキストフリーグラフのための最初のCoTプロンプト学習フレームワークであるGCoTを提案する。
  論文  参考訳（メタデータ） (2025-02-12T03:33:06Z)
• G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering [61.93058781222079]
  現実のテキストグラフを対象とするフレキシブルな問合せフレームワークを開発した。 一般のテキストグラフに対する最初の検索拡張生成(RAG)手法を提案する。 G-Retrieverは、このタスクをSteiner Tree最適化問題として定式化し、グラフ上でRAGを実行する。
  論文  参考訳（メタデータ） (2024-02-12T13:13:04Z)
• A Graph-Based Neural Model for End-to-End Frame Semantic Parsing [12.43480002133656]
  本稿では,フレーム意味解析タスクを協調的に行うために,エンドツーエンドのニューラルモデルを提案する。 本稿では,グラフ構築問題として,フレームセマンティック解析に関するグラフベースの手法を利用する。 フレーム・セマンティック・パーシングのベンチマーク・データセットの実験結果から,本手法の競争力が高いことが示された。
  論文  参考訳（メタデータ） (2021-09-25T08:54:33Z)
• ExplaGraphs: An Explanation Graph Generation Task for Structured Commonsense Reasoning [65.15423587105472]
  スタンス予測のための説明グラフ生成の新しい生成および構造化コモンセンスリゾニングタスク(および関連するデータセット)を紹介します。 具体的には、信念と議論が与えられた場合、モデルは、議論が信念を支持しているかどうかを予測し、予測されたスタンスに対する非自明で完全で曖昧な説明として機能する常識強化グラフを生成する必要がある。 グラフの83%は、様々な構造と推論深度を持つ外部のコモンセンスノードを含んでいる。
  論文  参考訳（メタデータ） (2021-04-15T17:51:36Z)
• Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
  本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。 グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
  論文  参考訳（メタデータ） (2020-04-05T13:09:37Z)

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。