近年，大規模言語モデル（Large Language Models; LLM）は革新的な性能を示し，LLMを用いた高性能なチャットボットの開発が期待される．しかしLLMにはモデル内部のパラメータを調整しパーソナライズすることが難しいという課題がある．本研究では，LLMを用いてパーソナライズされた適切な応答を生成するための新しいプロンプト最適化手法を提案する．アプローチとしては，話者のプロファイル（話し方、嗜好など）と対話文脈を考慮し，プロンプトに含める適切な文脈と応答の事例の選択方法を学習することで，応答生成の精度を向上させる．特に，応答の事例を選択する際に，過去に精度向上に寄与しなかった応答事例を参照できる枠組みを与えることで，プロンプトに含める事例の選択を最適化する．これまでの実験で，LLMに作らせた話者の話し方と嗜好および対話文脈が似た事例を検索し組み込んだプロンプトは，それらの事例を含まないプロンプトに比べ応答精度が高くなることを確認した．今後，プロンプトに組み込む事例の検索方法を最適化することでさらなる精度の向上を目指す．
