DRO-InstructZeroは、大規模言語モデルにおけるプロンプトの最適化手法であり、従来の手法が分布の変化や敵対的評価に弱い問題に対処します。これに対して、DRO-InstructZeroは、ロバストなベイズ最適化としてゼロショットのプロンプト最適化を構築し、評価分布の周りに曖昧さのセットを定義します。この手法では、最悪の場合の期待効用を最大化しつつ、ベイズ検索のクエリ効率も保持します。実験では、さまざまな形式のリライト、コードのデバッグ、翻訳タスクにおいて、正確性が大幅に向上することが示されました。特に、BIG-Benchの情報から形式へのリライトでは、正確性が61.3%から約85-90%に向上し、絶対的には約25-30ポイントの向上が見られました。このように、DRO-InstructZeroは、分布的にロバストな最適化をプロンプト学習に結びつけ、実際の不確実性の下での信頼性と移植性のあるプロンプト調整の一般的なアプローチを提供します。