自动进化提示词指南：让AI更懂你的真实意图

当用户向大语言模型提问时，常常会忽略说明具体要求、背景和限制条件，导致模型需要猜测用户的真实意图，而这种猜测往往与实际情况不符。现有的提示词工程指南虽然试图解决这个问题，但通常过于通用且缺乏针对性，难以满足具体任务需求。

为此，研究团队提出了一项名为“提示词指南优化”的新研究方向，旨在自动生成针对特定任务的提示词编写指南。他们发现，已完成的任务示例（即参考答案）中往往隐含着完成不明确查询所需的关键信息，包括行为约束、背景假设和评估标准。

基于这一观察，团队开发了AGOPS方法。该方法采用优化方案自动进化任务特定指南，涉及提示词LLM编写器、求解器LLM和提示词进化过程，旨在最大化在一组示例（用户查询与参考答案）上的下游任务效果。在实际应用中，这些指南能帮助用户撰写更明确的提示词，从而提升LLM的效果。

研究显示，在数学推理、医疗问答和编程任务中，提示词不明确会导致下游任务性能大幅下降（最高达95.3%），而现有提示词优化技术很难弥补这一损失。但用户遵循AGOPS生成的指南后，能显著恢复性能损失，在所有基准测试中平均提升15.5%至81.7%。