斯坦福团队提出 SOTA 提示词优化框架与无监督评估法

斯坦福大学 Alexander Spangher、Daniel E. Ho、Diyi Yang、Noah Goodman、Sanmi Koyejo 等人发布新研究，提出了一个达到 SOTA 水平的提示词优化框架，以及一种无需监督的提示性能度量方法。Noah Goodman 转发推荐该论文，指出其量化了「成文 rubric」评估与人类隐性知识评估之间的上限差异，为提示词工程提供了新的评估基准。

2026-10-29 ~ 2026-10-30 · 2 条相关