ChatGPTの回答精度を上げる方法｜プロンプトを2回コピペするだけ（最新論文解説）

ChatGPTに頼んだのに、条件をひとつだけ無視される。
「そこ大事…」って直して聞き直して、時間だけ溶けていく。
この“惜しいミス”、もしかして入力の渡し方で変わるかもしれません…。

今回扱うのは、Google Researchの論文 『Prompt Repetition Improves Non-Reasoning LLMs』。プロンプトを 丸ごと2回 入力するだけで、推論（長い思考）をさせない設定のLLMが強くなる、という報告です。しかも 出力トークン数やレイテンシを増やさず に改善したと述べています。

・ この記事を読むメリット 3つ
・ 「2回コピペ」が効く理由が、感覚ではなく仕組みでわかる
・ 仕事で使える“反復プロンプト”テンプレを、そのまま持ち帰れる
・ 効く場面/効かない場面が判断できて、ムダ打ちしない

では「いつ・どうやって2回にするのが得なのか」を、論文の数字を軸に、実務目線で解剖していきます。

自己紹介はこちら👇👇

【１】なぜ「２回コピペ」で精度が上がるのか

ポイントは、LLMの基本構造が “過去のトークンしか参照できない（因果的）” こと。つまり、入力の順番によっては「大事な情報を見ないまま処理が進む」事故が起きます。論文はこの弱点を、入力の反復（） で解決しようとします。

たとえば選択肢問題で、
「選択肢 → 質問」の順に置くと、モデルは“質問を知らない状態で選択肢を読む”ことになります（人間なら不利ですよね）。
でも 2周目 では、1周目の全文がすでに“過去”として存在するので、「質問を踏まえた選択肢の読み直し」 が起きる。これが直感的な効き方です。

さらに重要なのが実務的メリット。
論文は「反復は生成（出力）を伸ばすのではなく、並列化しやすい“prefill”側で起きるから効率が良い」と説明しています。要するに、長文の“考えさせる指示”を付け足すより、軽いコピペで改善が出る可能性 がある。

【２】論文の結論：どれくらい効いた？（数字で見る）

ここが一番ワクワクするところです。

論文は、Gemini / GPT / Claude / DeepSeek など 7モデル を、ARC・OpenBookQA・GSM8K・MMLU-Pro・MATHなど複数ベンチマークで評価しています（各社の公式APIで2025年2〜3月に実施）。

そして 「推論させない（not using reasoning）」条件 では、
70比較中 47勝・0敗（McNemar検定で有意な勝ちをカウント）という結果。かなり強い主張です。

さらにインパクトが大きい例として、独自タスクNameIndexで 21.33% → 97.33% まで跳ねたケースも報告されています。

一方で、ここも大事な冷静ポイント。
「ステップバイステップで考えて（推論あり）」の条件では、結果は 中立〜わずかにプラス（5勝・1敗・22中立）とされています。つまりこれは “万能の魔法”ではなく、刺さる条件がある技 です。

【３】今日から使える：反復プロンプトのテンプレ３種

結論、やることはこれだけです。

① 最短テンプレ（まずはこれ）

同じプロンプトを、改行を挟んで 2回 貼ります。

・ 例：
「（あなたの普段の指示）」
（空行）
「（同じ指示をもう一度）」

“コピペ2回”が面倒なら、スニペット登録（辞書登録、テキスト展開ツール、Notionのテンプレ）にしておくと、運用コストがほぼゼロになります。

② 丁寧版（文章で「繰り返します」と宣言）

論文では「Let me repeat that:」のように、2回目の前に“繰り返し”を挟むバリエーションも載っています。
日本語ならこんな感じ。

・ 例：
（あなたの指示）
「念のため、同じ依頼をもう一度書きます。」
（同じ指示）

体感としては、“2回目が本番” という空気を作れるので、出力が安定することがあります。

③ ３回反復（ハマると強いが、重くなることも）

論文は ×3 の反復が、NameIndexやMiddleMatchでさらに強く出る場合がある、と報告しています。
ただし長文だと、特に一部モデルで遅延が増える例外も述べています。
なので 「短めの入力 × 高精度が欲しい」 場面だけで試すのが安全です。

【４】効く場面／効かない場面：失敗しない見分け方

ここを押さえるだけで、反復プロンプトは“裏ワザ”から“武器”になります。

効きやすい場面（当たりやすい）

・ 選択肢問題（とくに「選択肢→質問」構造）
・ 文章からの 抽出・分類・照合（要素の見落としを減らしたい）
・ 「理由は要らないから、結論だけ短く」みたいに 推論を抑える運用（チャットボット、FAQ、ラベル付け）

効きにくい/注意が必要な場面

・ そもそも 長い推論が必要（数学の証明、複雑な設計、戦略立案など）
・ 入力がすでに長く、2倍にすると コンテキスト上限 に近い
・ API運用で、入力トークン課金が効いている（「無料」ではない）

個人的には、こう考えるのが一番しっくりきます。
“考えさせる”より先に、“読み落とさせない”をやる。
その一手として反復は強い、という位置づけです。

【５】仕事での実装イメージ：３分で試せるミニ実験

最後に、明日からの仕事で検証できる形に落とします。

ミニ実験１：条件が多い依頼（見落としが起きるやつ）

たとえば「文章を要約して、300字以内、箇条書き3点、固有名詞は残す」のように条件が多い依頼。
この手の“守るルール”が多いとき、反復で ルール違反が減る ことがあります（まずは体感でOK）。

ミニ実験２：選択肢/比較（どれ？を当てたい）

選択肢が複数あって、最後に「どれが最適？」と問う形式。
反復で「後半に出てくる問い」を踏まえて再読しやすくなる、という論文の説明と相性が良いです。

ミニ実験３：運用に組み込む（続く仕組み）

・ チャットで使うなら：よく使う依頼文を テンプレ化 して、常に2連で貼る
・ APIで使うなら：ユーザー入力をサーバ側で query + "\n\n" + query にして投げる（出力フォーマットが変わらないのが利点）

ここまでやると、反復は「気分で試す小技」じゃなく、品質を底上げする運用になります。

まとめ：今日の結論と、これからの展望

・ プロンプトを 2回コピペ するだけで、推論なし設定のLLM精度が上がる可能性がある
・ 論文では 47/70勝・0敗、一部タスクで 21.33%→97.33% の例も報告
・ ただし「推論あり」では効果は小さく、入力が長いとコスト/上限に注意

そして僕の見立てはこうです。
これからのプロンプトエンジニアリングは「凄い指示文を作る」だけじゃなく、“読み落としを減らす設計”が当たり前になります。反復は、その最短距離。まずは、あなたのいちばん困っている定型依頼で 今日1回だけ 試してみてください。結果が良ければ、テンプレとして固定化しましょう。

・ 参考文献
・ Yaniv Leviathan, Matan Kalman, Yossi Matias, “Prompt Repetition Improves Non-Reasoning LLMs” (arXiv:2512.14982) (arXiv)

次に読む記事👇👇👇