XNews

提示工程与跨模型提示转移

提示工程与跨模型提示转移

PromptBridge 自动翻译模型间的提示。

Key insights

PromptBridge 创建零训练提示翻译管道

PromptBridge 被提出作为一个在不微调模型本身的情况下翻译模型间提示的框架。该工作流程包括一个小样本校准阶段和一个映射阶段:校准生成源模型和目标模型之间的配对最佳提示,而映射阶段则学习将源模型提示转换为目标模型优化提示。论文强调了低计算成本和自动化,声称该方法避免了昂贵的手动提示工程和参数调优,同时实现了在 Gemini 3、GPT-5.1 和 Claude 等模型间的提示可移植性。

MAP-RPE 提供模型自适应反思提示演化

论文介绍了 MAP-RPE(模型自适应反思提示演化)作为校准步骤中的一种技术。MAP-RPE 迭代地让模型反思并演化特定任务的提示,以发现模型特定的最佳提示形式。校准生成源模型和目标模型之间的配对高质量提示;这些配对随后用于学习一个通用映射,可以应用于未见任务,以从源提示生成目标优化提示。

PromptBridge 旨在实现即插即用的可移植性和低成本

PromptBridge 声称有三个实际优势:无需 LLM 参数训练(零训练成本)、最小样本校准以实现对新下游任务的泛化,以及自动化通常的手动提示工程。实验报告显示在单代理和多代理场景中,模型交换后性能有所改善。该框架被定位为在不同部署模型之间迁移大型提示集的工具,而无需重写提示。

创意工作流程中对多样化、可生产提示的积极需求

集群帖子包括多个具体的创意提示和模板,表明现实世界中对提示工程的积极需求。提供的示例包括一个手绘的 9:16 信息图提示,指定了用于费曼名言的笔触字母和纸张纹理,提示将漫画角色转换为超现实主义人类的提示,传统工笔画提示,一个 3D 等距家庭办公室提示,以及网络美学界面和名片照片提示。这些展示了各种提示风格和复杂性,能够从可靠的跨模型转移中受益。

Source posts