机构名称：
¥ 1.0
大型语言模型（LLMS）在解决Comples开放域任务方面具有出色的功能，并以提示形式进行的综合指示和示威。但是，这些提示可能是冗长的，通常会组成数百条线和数千个托管，它们的设计通常需要人们的努力。最近的研究已在短提示中介绍了自动及时工程，通常由一个或几个句子组成。但是，由于其巨大的搜索空间，长提示的自动设计仍然是一个具有挑战性的问题。在此pa-per中，我们提出了一种名为“自动及时工程XPERT（APEX）的算法”，这是一种新型算法，可以自动改善长时间的提示。利用具有横梁搜索的贪婪算法提高效率，Apex Uti-Liz liz liz liz liz liz liz liz liz liz liz liz liz liz liz liz liz liz liz extimive stripifimentive stripivine 在其搜索过程中显着提高了基于LLM的突变的有效性。 我们的结果表明，APEX在Big Banch中的八个任务中平均获得9.2％的准确性增益，并且具有各种模型的GSM8K的持续改进，突出了自动提示设计的重要性，以完全利用LLMS的功能。在其搜索过程中显着提高了基于LLM的突变的有效性。我们的结果表明，APEX在Big Banch中的八个任务中平均获得9.2％的准确性增益，并且具有各种模型的GSM8K的持续改进，突出了自动提示设计的重要性，以完全利用LLMS的功能。
超出字面描述：理解和找到与人类意图一致的开放世界对象
主要关键词
相关文件推荐
