자동 프롬프트 최적화(APO)는 프롬프트를 통째로 재작성하는 경우가 많아 한 행동을 개선하면서 다른 행동을 악화시키는 문제가 있다. 연구진은 프롬프트를 역할, 맥락, 작업, 출력 형식으로 분해해 상위·하위 5개 예시를 기반으로 구간별 개선을 적용하는 SAPO를 제안했다. 최적화 루프는 하나의 LLM으로 구간 분할, 약점 분석, 후보 생성을 정적 메타프롬프트와 구조화된 출력을 통해 수행한다. SQuADv2, TweetEval, XSUM, CommonGen, GSM8K에서 GPT-3.5-Turbo와 GPT-4o-mini로 평가한 결과, SAPO는 APE, OPRO, EvoPrompt, GEPA, StraGO 등 기존 기법과 제로샷 기준선을 모두 앞서는 평균 점수를 달성했다. 구간 단위 최적화가 전체 재작성보다 부작용을 줄이면서 성능을 끌어올릴 수 있음을 시사한다.

• •SAPO는 프롬프트를 역할·맥락·작업·출력형식으로 분해해 구간별로 최적화
• •상위 5개·하위 5개 예시 기반 약점 분석 후 후보 프롬프트를 생성하는 2단계 구조
• •5개 벤치마크(SQuADv2, TweetEval, XSUM, CommonGen, GSM8K)에서 평균 최고 점수 달성
• •APE, OPRO, EvoPrompt, GEPA, StraGO 등 기존 APO 기법을 모두 상회