APOLO：用自动提示优化做本体学习

Huu Tan Mai 等作者提出 APOLO，把本体学习转化为对 LLM 模块的显式提示词优化问题：用多智能体系统从专家本体生成文本-本体对作为训练数据，并设计贪心与自回归两种本体学习器架构，用基于 DSPy 的贪心进化提示词优化器 GEPA 进行优化。 在生物医学 DOID 与植物 PO 两个本体上，几乎所有模型与模式组合均有提升，其中自回归学习器增益最大。作者据此称，提示词优化可作为微调的轻量替代方案。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。