提出紧预算提示优化方法BudgetAPO
热点事件持续更新
提出紧预算提示优化方法BudgetAPO
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Haoyue Liu、Zhichao Wang、Huanyu Yan、Xiaoying Tang 等作者发布论文，提出面向紧预算场景的单阶段提示优化方法 BudgetAPO。方法用短探测估计任务噪声并自适应调整评测切片，把每次接受或拒绝改为固定切片上的成对比较，同时联合重写推理策略和输出格式。 基于论文摘要，作者报告在七个基准和五个被试模型上该方法在每个被试上均排名第一，并在 Holm 校正的配对检验下优于所有基线；在 250 次调用时仅 13% 的运行返回种子提示，而 GEPA 为 86%；在 GPT-OSS-20B 上，GEPA 需 5 倍调用次数才能匹配 BudgetAPO 100 次调用的得分。
AI 根据报道生成 · 3 小时前更新
最新进展10月14日 12:00
BudgetAPO：如何在紧预算下进行提示词优化？报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AIBudgetAPO：如何在紧预算下进行提示词优化？
BudgetAPO是一种面向紧预算提示词优化的单阶段方法，通过短探测估计任务噪声、自适应调整评测切片，并将每次接受或拒绝改为成对比较，同时联合重写推理策略和输出格式。基于论文摘要，作者报告该方法在七个基准和五个被试模型上均排名第一，并在250次调用时仅13%的运行返回种子提示，而GEPA为86%；在GPT-OSS-20B上，GEPA需要5倍调用次数才能匹配BudgetAPO的100次调用得分。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月14日 17:00
- 近 24 小时变化
- –
02.557.510
17:0018:0019:0020:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。