基于从弱到强泛化的大模型提示优化方法、设备、介质

本发明公开了一种基于从弱到强泛化的大模型提示优化方法、设备、介质，针对原始数据集每个数据对，驱动大模型生成一组候选提示；用每个候选提示生成输出，并与目标文本计算相似度。按相似度高低分组：最高K1％为第一提示，最低K2％为第二提示，其余为第三提示；将输入文本、第一提示、第三提示作为第一数据集；将输入文本、第一提示、第二提示、第三提示作为第二数据集；基于第一数据集，以输入文本、第三提示为输入，以第一提示为目标输出，通过第一损失函数优化提示纠正器；基于第二数据集，以输入文本、第三提示为输入，通过第二损失函数精调优化后的提示纠正器；对待处理任务，先用大模型生成初始提示，输入纠正器即可获得优化后的提示。