PCO：将提示优化建模为指令码本的离散组合学习

Jyotirmoy Nath、Neeraj Kumar 和 Brejesh Lall 在 arXiv 发布论文，提出 Prompt Codebook Optimization（PCO），把自动提示优化重构为在有限的自然语言指令单元（instinct）词表上的离散组合学习，并按输入动态组合提示。 论文报告的结果（基于摘要引文）：在六个基准上，PCO 相对 zero-shot 在 Qwen3-8B 上提升 13.50 分、在 LLaMA-3.1-8B 上提升 11.80 分；在 HotpotQA 上超过 GEPA 分别 6.34 分和 4.27 分；同时部署提示长度相对 MIPROv2 最长缩短 14.1 倍、相对 GEPA 缩短 3.0 倍。这些均为作者声称的数字，尚属论文报告阶段。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。