计算机应用研究

作者：董祥千,肖铮,

单位：1.成都东软学院大模型应用与研发中心,成都611844；2.四川工商职业技术学院智能制造与信息工程学院,成都611830；3.广东酒店管理职业技术学院信息工程学院,广东东莞523960；

关键词：提示优化,多目标优化,美洲狮算法,帕累托最优,大型语言模型,

基金：2023年四川省科技厅重点研发项目(23ZDYF0647)；四川省教育发展研究中心课题(CJF23011)；；

针对现有提示优化方法在可扩展性与自适应性方面的局限，提出一种基于Puma算法的多目标提示优化框架Puma-MOPT。该框架结合Puma算法的自适应相位切换和全局搜索能力与PromptWizard的提示生成及评估机制，以实现对提示词的自动搜索和多目标权衡。为提高搜索效率并增强小样本场景下的泛化能力，Puma-MOPT框架引入语义相似性约束并采用对抗过滤技术。在数学推理、医疗问答和代码生成等五个领域的实验结果表明，该框架在多个评估指标上均显著优于NSGA-Ⅱ、MOEA/D、EvoPrompt和PromptWizard等基线方法。Puma-MOPT为大语言模型（LLM）提示工程提供了一种高效、鲁棒且通用的解决方案。

来源：2025年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第10期