GFlowPO: 将生成流网络用作语言模型提示词优化器

GFlowPO提出一种概率提示词优化框架，将提示词搜索转化为潜在提示词的后验推断问题，并整合元提示词参考大语言模型先验。 第一步微调轻量级提示词语言模型，采用基于重放的非策略生成流网络目标以提升样本效率；第二步引入免训练动态记忆更新机制，通过重放缓冲区和优先队列更新元提示词。 在少样本文本分类、指令归纳基准和问答任务中，GFlowPO的表现始终优于近期的离散提示词优化基线。