斯坦福团队发布 SOTA 提示词优化框架与无监督提示性能度量

BrihiJ · x · 2026-10-29

转发斯坦福 Alexander Spangher、Daniel E. Ho、Diyi Yang、Noah Goodman、Sanmi Koyejo 的新工作:一个 SOTA 的提示词优化框架,并提出一种新颖的无监督提示性能度量方法。作者指出,书面 rubric 与 constitution 对 AI 任务改进、安全遵循、多元性与适应至关重要,但有些希望 rubric 做到的事难以用文字描述(比如如何定义"喜剧嗓音"?),核心问题是:哪些书面结构是 judge 擅长评估的,以及它能好到什么程度。