Pupa

新的ESPO方法优化LLM提示，缩短长度并提高准确性

研究人员开发了ESPO，一种用于优化大型语言模型提示的新方法。ESPO解决了提示膨胀等问题，即提示变得过长而没有提高准确性。该方法通过诊断错误模式、生成多样化的候选提示，然后选择最稳定的提示来工作。在七个自然语言处理基准测试中，ESPO的平均准确性比之前的最先进方法GEPA提高了3.76个百分点，同时生成的提示长度缩短了47%，推理速度更快。