两阶段仿真优化框架解决预算受限提示集扩展

针对有限评估预算下的提示词优化难题，Haoting Zhang 等人提出一种两阶段仿真优化框架。该框架旨在最大化固定语言模型在预定义任务上的得分，核心思路是将初始提示集扩展为有限候选集。12:00发布的 arXiv 论文详细阐述了这一方法：首先利用中等维度向量表示提示并构建代理模型，随后通过序贯选择策略进行高效评估与筛选。数值实验结果证实，在语言模型调用预算受限的场景下，该方法相比基线提示选择方法，能够显著提升最终获得的提示得分。

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。