预算受限下的提示集扩展与精炼框架

Haoting Zhang 等作者提出一个两阶段框架，在评估预算有限时扩展并精炼初始提示词集，目标是最大化固定语言模型在预定义任务上的得分。 第一阶段把初始提示词扩展为有限候选集，并用中等维度向量表示；第二阶段构建得分代理模型，按顺序选择提示词进行评估，作者称已证明该顺序评估过程的一致性。 数值实验显示，该方法优于基线提示词选择方法，在调用语言模型评估的预算受限时得分提升尤为明显。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。