.png){kind=icon}
返回
Feedback-integrated prompt optimiser for problem formulation
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-27495-8.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
问题表述是优化建模中一个关键且需要专业知识密集的步骤。自动化这一过程提供了有前景的解决方案，但需要有效的方法来复制通常由人类专家执行且至关重要的推理和决策过程。大型语言模型（LLMs）的最新进展在此背景下引入了类人推理的潜力，使优化更具可及性、可扩展性和智能化。然而，LLMs巨大的计算需求限制了其在许多实际场景中的实用性。小型语言模型（SLMs）提供了更资源高效的替代方案，但面临推理能力有限以及对提示结构高度敏感等挑战，导致其在自动化问题表述等复杂任务中的效果降低。为解决这些限制，我们提出了FIPO（反馈集成提示优化器），一种新颖的方法，旨在通过迭代、反馈驱动的提示优化来增强SLMs的问题表述能力。FIPO将局部搜索算法与由代理工作流生成的结构化反馈相结合，这些工作流从问题表述和编程角度模拟专家评估。我们在LPWP数据集上评估了FIPO，并观察到其性能相比现有的最先进提示优化方法有所提升。我们的发现将反馈引导的提示演化确立为一种有前景的策略，用于借助SLMs实现低成本、可扩展且准确的自动化问题表述。
Keyword:
Computer science
Information technology
Problem formulation
Language models
Prompt optimisation
Science
Humanities and Social Sciences
multidisciplinary
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
引用论文
暂无论文信息