摘要
一种大语言模型的元证据感知提示语优化方法，该方法利用聚类和贝叶斯推理对证据内部的因果关系进行精细分析。首先，MEPO方法利用大模型的反馈生成初步证据来描述给定提示的缺点。然后，对初步证据进行聚类，以消除冗余信息，并采用贝叶斯推断法获得聚类中心的概率，为每对证据之间的因果关系建模，得到有向图。此外，本专利还应用最大生成树算法来构建有向无环图(DAG)，从而增强LLMs的推理能力。最后，本专利根据获得的元证据对初始提示进行编辑，并采用束搜索来选择表现最佳的提示。实验结果表明，MEPO方法在多个任务中表现出良好的性能。
