# プロンプトを2回貼り付けただけで精度が変わった > Author: Tony Lee > Published: 2026-02-20 > URL: https://tonylee.im/ja/blog/repeat-prompt-twice-llm-accuracy-google-research/ > Reading time: 1 minutes > Language: ja > Tags: ai, llm, prompt-engineering, google-research, performance ## Canonical https://tonylee.im/ja/blog/repeat-prompt-twice-llm-accuracy-google-research/ ## Rollout Alternates en: https://tonylee.im/en/blog/repeat-prompt-twice-llm-accuracy-google-research/ ko: https://tonylee.im/ko/blog/repeat-prompt-twice-llm-accuracy-google-research/ ja: https://tonylee.im/ja/blog/repeat-prompt-twice-llm-accuracy-google-research/ zh-CN: https://tonylee.im/zh-CN/blog/repeat-prompt-twice-llm-accuracy-google-research/ zh-TW: https://tonylee.im/zh-TW/blog/repeat-prompt-twice-llm-accuracy-google-research/ ## Description Google Researchが7モデルで検証した最も安いLLM性能改善法。追加学習もプロンプト設計も不要。コピペだけで済む。 ## Summary プロンプトを2回貼り付けただけで精度が変わった is part of Tony Lee's ongoing coverage of AI agents, developer tools, startup strategy, and AI industry shifts. ## Outline - LLMはコンテキストを「質問を知らないまま」読んでいる - 同じプロンプトを2回並べると何が変わるか - 3回繰り返しは無駄 - 効果がない場面もある - コスト計算 - 試してみる価値があるかどうか ## Content 最初に見たとき、冗談かと思いました。 「プロンプトを2回貼り付けるだけで精度が上がる」という話を聞いたとき、正直バカにしていました。でも発表元がGoogle Researchで、7つのベンチマーク、7つのモデルで検証済みという話を読んで、さすがに無視できなくなりました。自分でも試してみて、確かに効果があることを確認しました。 ## LLMはコンテキストを「質問を知らないまま」読んでいる まずそもそもなぜこういうことが起きるのかを理解するために、LLMが入力をどう処理するかを考える必要があります。 多くの言語モデルは左から右へとトークンを処理します。アテンションメカニズムは基本的に後のトークンが前のトークンを参照できますが、その逆は成立しません。つまり、長い文書のあとに質問が来る形式のプロンプトでは、モデルは文書全体を「何を聞かれるかを知らない状態で」エンコードしてしまいます。 ``` [長い文書] → [質問] ↑ ここを処理するとき、 まだ質問の内容を知らない ``` これは構造上の非対称性です。短い質問なら大した問題にはなりませんが、長い文書になるほどこの歪みが大きくなります。モデルは「後でどんな質問が来るか」を予測しながら文書を読むことはできないわけです。 ## 同じプロンプトを2回並べると何が変わるか Google Researchの手法はシンプルです。プロンプト全体を2回繰り返すだけです。 ``` [文書 + 質問][文書 + 質問] ``` この形式だと、2ブロック目の文書を処理するとき、モデルはすでに質問の内容を知っています。1ブロック目に質問を読んでいるからです。その状態で文書を再度読み込むことで、関連する部分により適切なアテンションが向きます。 追加学習は一切不要です。モデルの構造も変えません。ただ入力を繰り返すだけです。 論文では7モデル（Gemini、GPT、Claude、DeepSeekを含む）のすべてで精度が向上しています。あるテストでは21%から97%へと跳ね上がったケースも報告されています。しかも出力のトークン数は変わらず、レイテンシもほぼ同じです。 なぜレイテンシが増えないのかというと、プリフィルの処理はハードウェア上で並列に実行されるからです。入力トークンが2倍になっても、処理時間はほぼ変わりません。体感できる遅延が増えるのは出力フェーズで、そこは変化しないため、ユーザーには差が出にくいわけです。 ## 3回繰り返しは無駄 では3回繰り返したらもっと良くなるのでしょうか。論文によると、ほとんどのケースで2回と3回の差はほぼゼロです。それにもかかわらずコストは単純に1.5倍になります。 `[質問][質問]` → 回答 `[質問][質問][質問]` → ほぼ同じ回答、コスト1.5倍 2回が最適です。3回以降は費用対効果がほぼありません。 ## 効果がない場面もある これは重要な話なので省略しません。 まず、短い質問には効果がありません。「東京の人口は？」のようなシンプルな質問に対してプロンプトを2回貼り付けても、何も変わりません。この手法が効果を発揮するのは、長い文書コンテキストと複雑な質問が組み合わさった場合です。具体的には長文書の要約、Few-shotサンプルを多数含むプロンプト、長い仕様書に基づく推論、といったタスクです。 次に、推論モードを使っているモデルには効果がありません。論文のタイトルにも「Non-Reasoning LLMs」と明記されています。o1やo3、Gemini 2.0 FlashのThinkingモードのような推論特化モデルは、内部でそれに相当する処理をすでに行っているためです。これらのモデルはプロンプトを2回渡しても特に変化はないか、むしろ混乱することがあります。 使う前に確認すること。 - 長い文書コンテキストがある質問か？ - 推論モードをオフにしているか（通常のChatCompletion、非o1系モデル）？ この2点が当てはまるときだけ試す価値があります。 ## コスト計算 入力トークンが2倍になる以上、コストは増えます。ただし増加幅は「2倍」ではありません。 多くのAPIは入力トークンより出力トークンのほうが高額です。たとえばGPT-4oの場合、入力は出力の約3分の1の単価です。プロンプトを2倍にしても出力は変わらないため、全体のコスト増加は30〜40%程度に収まるケースが多いです。 さらに、精度が上がることで再試行の回数が減れば、実際のコストは相殺されることもあります。1回で正確な答えが返ってくるなら、2〜3回のリトライより安上がりです。 ## 試してみる価値があるかどうか 自分でいくつかのタスクで検証しましたが、長文書の解析や複雑なFew-shotタスクで明確な改善を確認しました。実装は本当に入力を繰り返すだけなので、試すコストはほぼゼロです。 ただ万能ではありません。用途を選びます。 詳細は論文で確認できます。[Prompt Repetition Improves Non-Reasoning LLMs](https://arxiv.org/abs/2512.14982)（Yaniv Leviathan, Matan Kalman, Yossi Matias, Google Research, arXiv:2512.14982） ## Related URLs - Author: https://tonylee.im/ja/author/ - Publication: https://tonylee.im/ja/blog/about/ - Related article: https://tonylee.im/ja/blog/medvi-two-person-430m-ai-compressed-funnel/ - Related article: https://tonylee.im/ja/blog/claude-code-layers-over-tools-2026/ - Related article: https://tonylee.im/ja/blog/codex-inside-claude-code-openai-plugin-strategy/ ## Citation - Author: Tony Lee - Site: tonylee.im - Canonical URL: https://tonylee.im/ja/blog/repeat-prompt-twice-llm-accuracy-google-research/ ## Bot Guidance - This file is intended for AI agents, search assistants, and text-mode retrieval. - Prefer citing the canonical article URL instead of this text endpoint. - Use the rollout alternates when you need the same article in another prioritized language. --- Author: Tony Lee | Website: https://tonylee.im For more articles, visit: https://tonylee.im/ja/blog/ This content is original and authored by Tony Lee. Please attribute when quoting or referencing.