【技术实现步骤摘要】
本专利技术涉及自然语言处理，尤其涉及一种模型提示词自动优化方法、装置、设备及存储介质。
技术介绍
1、大型语言模型(llm)已经展示出在多种任务中作为通用代理的强大能力，能够处理自然语言理解、生成和推理等复杂任务。然而，llm的性能在很大程度上依赖于手工编写的提示(prompts)，这些提示往往需要经过大量的试验和错误才能找到最佳的形式。这种费力的过程不仅耗时，还限制了模型在更广泛场景中的应用。
2、现有的一些技术尝试通过各种方式来改进提示的效果。例如，使用辅助模型或可微提示(differentiable prompts)来自动优化提示的生成，从而减少人工干预的需求。然而，这些方法通常假设可以访问llm的内部状态变量，这意味着它们要求对模型的底层机制有深入的了解和控制。这种要求在许多实际应用中是难以实现的，特别是在使用预训练的黑箱模型时。
3、另外，也有研究采用强化学习或基于llm自身的反馈机制来对提示进行优化。这些算法通过对提示进行离散操作，以提高提示的有效性。然而，这些方法通常需要对llm进行低级访问，并且可...
【技术保护点】
1.一种模型提示词自动优化方法，其特征在于，包括以下步骤：
2.如权利要求1所述的模型提示词自动优化方法，其特征在于，在基于生成的所述语言提示反馈对所述初始提示词进行优化，得到目标提示词之后，还包括：
3.如权利要求1所述的模型提示词自动优化方法，其特征在于，在基于生成的所述语言提示反馈对所述初始提示词进行优化，得到目标提示词之后，还包括：
4.如权利要求3所述的模型提示词自动优化方法，其特征在于，对波束集合的每个提示词进行扩展，生成多个候选提示词并添加至候选提示词集合中，包括：
5.如权利要求1所述的模型提示词自动优化...
【技术特征摘要】
1.一种模型提示词自动优化方法，其特征在于，包括以下步骤：
2.如权利要求1所述的模型提示词自动优化方法，其特征在于，在基于生成的所述语言提示反馈对所述初始提示词进行优化，得到目标提示词之后，还包括：
3.如权利要求1所述的模型提示词自动优化方法，其特征在于，在基于生成的所述语言提示反馈对所述初始提示词进行优化，得到目标提示词之后，还包括：
4.如权利要求3所述的模型提示词自动优化方法，其特征在于，对波束集合的每个提示词进行扩展，生成多个候选提示词并添加至候选提示词集合中，包括：
5.如权利要求1所述的模型提示词自动优化方法，其特征在于，在使用反馈提示词引导所述目标模型基于所述预测标签与真实标签生成语言提示反馈之前，还包括：
6.如权利要求1所述的模型提示词自动优化方法，其特征在于，在使用反馈提示词引导所述目标...
【专利技术属性】
技术研发人员：凌天东，王健宗，程宁，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。