提示工程

一项大规模实证研究发现，在多项选择题问答任务中，简单的基线提示法往往优于复杂的推理提示技术，挑战了“越复杂越好”的普遍假设。

研究者提出RCWT测试协议，量化大模型多智能体系统中协调内容对任务执行预算的挤占效应。实验发现当参考证据降至数百token时，模型性能会急剧下降。

研究人员通过MAGE框架发现提示优化中的组件耦合效应，表明多组件优化在提升性能的同时会放大方差，需同时评估性能与稳定性。

研究发现，评测大模型时仅改变提示词的格式包装，就可能导致准确率大幅波动，甚至改变排行榜结论。研究人员提出格式敏感度指数与解析敏感度指数，量化这一影响。

研究发现，基于计数的F1指标可能因提示框架中的数字锚定效应而虚高，无法真实反映大语言模型的错误定位能力。

研究者提出对比反思框架，通过结构化追踪AI代理行为差异，实现可解释的迭代式提示优化，在HotpotQA测试中将准确率从51.4%提升至60.4%。

研究团队通过引入非暴力沟通原则作为提示词约束，成功引导大语言模型在情感冲突场景中采取更具缓和性的对话策略，显著降低了对话冲突升级风险。

研究者提出“叙事思维”提示框架，通过结构化思维链显著提升大模型在道德困境中的推理透明度，将利益相关者遗漏率从31%降至1%以下。

研究发现提示组合式智能体系统存在一种隐蔽故障模式——修改某个提示模块会无声影响其他模块行为，即使它们没有共享变量或执行依赖。