山登り法(ヒルクライミング、hillclimb)は、現在の状態に小さな変更を加え、評価スコアが上がればその変更を採用し、上がらなければ元に戻す過程を繰り返して、徐々により良い解へ進む探索・最適化の手法である。数理最適化と人工知能の探索アルゴリズムにおける古典的な技法で、全体で最良の解ではなく局所最適解に陥る可能性があり、収束が保証されないヒューリスティックである。
AI開発の現場では、評価(eval)スコアを指標として、プロンプトや設定、コードなどを少しずつ変えながらスコアを引き上げる作業を指す言葉として使われる。評価データにのみ適合してしまう過学習を防ぐため、データを学習用とテスト用に分け、両方でスコアが上がった場合にだけ変更を維持する方式が併用される。