研究者提出预算受限提示词集扩展与精炼框架

Haoting Zhang 等在 arXiv 发布论文，提出在有限评估预算下扩展和精炼初始提示词集的两阶段仿真优化框架，目标是为固定语言模型最大化预定义任务分数。 该方法第一阶段将初始提示词扩展为由中等维度向量表示的有限候选集，第二阶段构建分数代理模型并顺序选择提示词进行评估，作者证明了该顺序评估程序的一致性，并通过精炼程序搜索初始候选集之外。 论文数值实验显示，在调用语言模型评估提示词的预算受限场景下，该方法取得比基线方法更高的提示词分数。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。