重读 2022 年 APE 论文：LLM 自动写 prompt 已达人类水平

cephaloform · x · 2026-09-27

作者推荐 pre-chatbot 时代的论文《Large Language Models Are Human-Level Prompt Engineers》（arXiv:2211.01910，2022 年 11 月），称其为自己的灵感来源，类似今天用基础模型搭的合成数据生成工厂。

论文核心（Automatic Prompt Engineer，APE）：

• 把指令当作「程序」，让 LLM 提出一批候选指令，再用打分函数搜索优化
• 用另一个 LLM 执行所选指令的 zero-shot 表现来评估指令质量
• 在 24 个 NLP 任务上，自动生成的指令大幅超过此前 LLM 基线，其中 19/24 个任务达到或超过人类标注者手写的指令
• APE 生成的 prompt 还可用于提升模型 truthful/informative 表现，以及加入 in-context learning 提升 few-shot 性能。

原文链接 →

「研究」频道最新

• 新采样方法 CNS 给扩散模型注入彩色噪声,显著改善 FID — serrjoa · 2026-09-27
• 学者预测：数月内投稿前不用 AI 验证证明将成「不当行为」 — RexDouglass · 2026-09-27
• JevBench 评测者：多数模型输在设置与校准等低级失误 — airesearch12 · 2026-09-27
• 「数学实际上已死」:新文呼应 Daniel Litt 对 AI 时代数学未来的判断 — burny_tech · 2026-09-27
• ForecastingCo 首篇论文:教 Transformer 处理真实时序数据做预测 — fpedregosa · 2026-09-27
• 研究:预训练 LLM 微调后可做侧信道攻击,12 条迹即破解 AES 密钥 — chaumian · 2026-09-27

更多「研究」频道 AI 资讯 →