一种基于大语言模型的经验学习自适应预瞄控制方法

本发明公开了一种基于大语言模型的经验学习自适应预瞄控制方法，本发明中在GPT4推理提示过程当中采用的标准的语句结构、few‑shot经验和见解、基于Reflexion的自我修正机制对于GPT4调参性能的提升具有重要意义。标准的语句结构可以帮助GPT4在关注特定位置的信息，加强其对循迹任务场景的理解；few‑shot的经验为GPT4的推理调参过程提供了相似案例的参考，有助于其捕捉任务之间的关联性；存储在长期记忆库中的见解可以进行相关任务的宏观指导，提高预瞄调参的泛化性；基于Reflexion的自我修正机制则实现了算法自主进行失败任务的再次求解，节约了人力，且其中反思推理的内容可以截取生成见解。