AITOP

提示词优化

共 9 条相关 AI 资讯
8月13日
18:15
18:15官方账号arXiv cs.AI@Aman Tyagi, Hemanth Boinpally, Jonathan Chen, Douglas Gebert, Steven Hickson
该论文提出Agentic Self-Improvement框架，将图像到视频（I2V）生成重构为闭环优化。第一阶段用多模态大模型迭代优化提示词，通过Davidsonian Scene Graph（DSG）查询和Common Mistake Questions（CMQ）分别检测语义一致性与伪影。第二阶段用贝叶斯优化联合调优随机种子和CFG尺度，并引入Video-Text Adherence（VTA）评分作为质量指标。在人类偏好测试中，该方法生成的视频对比无引导搜索方法最高获得69%的胜率。
论文Agentic Self-Improvement图像生成视频贝叶斯优化
推荐理由：想让视频生成听你的话？这篇论文用多模态大模型加贝叶斯优化调提示词和参数，胜率最高69%，告别瞎试。
原文
7月15日
09:35
09:35官方账号arXiv cs.AI@Cameron Cagan, Pedram Fard, Jiazi Tian, Jingya Cheng, Shawn N. Murphy, Hossein Estiri
Pythia是一个多智能体系统，可自主编写并优化临床概念提取提示词，无需人工工程或微调。在本地运行的开源模型上，Pythia利用开发集的敏感度和特异度选择提示词。与基于词典的方法在72个症状和400份临床笔记上比较，Pythia的平均敏感度为0.76，特异度为0.95；词典则分别为0.82和0.76。对于词典将所有笔记均标记为正的14个概念，Pythia通过要求现在时、患者归因的发现，恢复了平均0.97的特异度。在低于2%患病率的概念上，Pythia的敏感度转移出现0.25的平均差距，而BERT分类器在相同开发集上微调后，敏感度仅为0.23，且低于约5%患病率时降为零。
论文Pythia多智能体提示词优化
推荐理由：看这篇论文你就知道，不用微调也能高效提取临床症状。Pythia靠多智能体自己写提示词，敏感度0.76、特异度0.95，比传统词典和BERT都稳，还能本地部署。
原文
6月11日
06:12
6月4日
23:52
23:52官方账号LangChain@LangChainAI
LangChain 推出 LangSmith Engine，允许开发者审查 Agent 的追踪记录，从而发现提示词和代码中的 Bug 及改进点。Agent 能在运行间隔中回顾对话、从实际使用中学习，并自动更新 Context Hub 文件。这有助于提升 Agent 的可靠性和性能，减少人工调试工作量。
AI产品LangSmith EngineAgent 追踪调试工具
推荐理由：做 Agent 开发的团队终于有了自动化的调试工具——LangSmith Engine 能直接从追踪中学习并优化提示词和代码，建议正在维护复杂 Agent 的开发者试试。
原文
6月3日
01:16
01:16Philipp Schmid@_philschmid
开发者Phil Schmid分享了一种使用GEPA自动优化任何CLI Agent提示词的方法。GEPA接受任何`(str) -> str`的可调用对象，兼容自定义CLI、本地模型或API Agent。只需将Agent封装在Python函数中，即可让其自我优化提示词。该方法可显著提升Agent的响应质量和效率，减少手动调优的工作量。
AI产品GEPA提示词优化CLI Agent
推荐理由：做Agent开发的团队终于有了自动化提示词优化的工具——GEPA支持任何CLI Agent，封装成函数就能自优化，省去反复手动调参的麻烦，建议试试。
原文
5月21日
08:01
08:01官方账号LangChain@LangChainAI
LangChain 的 Palash Shah 分享了一种针对长时运行 AI Agent 的评估方法。核心思路是将复杂的评估任务拆解成更小、更易处理的子任务，这样不仅便于人类理解，也更容易让 LLM 自身进行评估。他举例说明，对于运行超过 30 分钟的 Agent，通过从追踪中提取推理过程，找出特定行为的根本原因，然后重建简化版的评估场景。这种方法可以快速测试提示词调整的效果，而无需每次都运行完整的长时间评估。
AI产品LangChainAI Agent评估方法
推荐理由：做长时 AI Agent 评估的开发者终于有了实用技巧——拆解任务后评估效率大幅提升，建议直接参考这个流程优化你的评估策略。
原文
5月20日
10:51
10:51官方一手arXiv: DeepSeek@Ali Mohammadi Esfahani, Nafiseh Kahani, Samuel A. Ajila
精选
研究人员提出一个基于强化学习的框架，将提示词优化建模为序列决策问题。PPO代理通过混合动作空间（直接生成、遗传变异、语义重写）迭代改进提示词，并利用单元测试反馈的奖励信号驱动优化。在MBPP+、HumanEval+和APPS基准上，使用CodeT5+、CodeLLaMA和DeepSeek-Coder作为冻结代码生成器，PPO代理在MBPP+的500任务测试集上分别达到57.58%、64.80%和85.50%的严格Pass@1，优于EPiC、Reflexion和随机混合方法。软Pass@1分别达到67.90%、73.10%和88.20%。结果表明，带形状奖励的强化学习能显著提升LLM代码生成的功能正确性。
论文提示词优化强化学习代码生成
推荐理由：做LLM代码生成或提示词工程的开发者，这个框架直接解决了提示词敏感性问题——用RL自动优化提示词，比手动调参高效得多，建议关注其混合动作空间和奖励设计。
原文
5月19日
10:00
10:00官方账号arXiv cs.AI@Zheqin Yin, Yupei Ren, Yadong Zhang, Yujiang Lu, Man Lan
精选
现有研究在通过提示词准确理解和评估议论文方面存在不足。本文提出TIDE框架，通过引入“试验与辩论”机制，优化基于标准的提示词优化过程，减少噪声训练数据的影响并提升优化稳定性。在自动作文评分、论证成分检测和论证关系识别三个核心任务上，TIDE均提升了性能。该工作展示了结合提示词方法与辩论机制在高级论证理解中的潜力。
论文议论文理解提示词优化辩论机制
推荐理由：做教育AI或文本评估的团队，TIDE用辩论机制解决了提示词优化中的噪声和稳定性问题，值得在议论文分析场景中尝试。
原文
5月11日
22:17