基于仿真优化的语言模型提示集扩展与精炼方法

针对有限评估预算下的提示词优化难题，该研究提出一种两阶段仿真优化框架，旨在最大化固定语言模型的预定义任务得分。 框架首先将初始提示集扩展为有限候选集，利用中等维度向量表示提示并构建代理模型，通过序贯选择进行高效评估与筛选。 数值实验表明，在语言模型调用预算受限的情况下，该方法相比基线提示选择方法能获得更高的提示得分。