基于近似子模函数与连续学习的提示词优化方法及系统

本公开提供了基于近似子模函数与连续学习的提示词优化方法及系统，涉及人工智能多模态感知技术领域，包括：构建候选提示词集合，设计基于近似子模函数性质的组合目标函数，采用结合随机扰动、多轮迭代与任务自适应机制的贪心选择算法对组合目标函数进行求解，实现候选提示词集合的优化选择，逐步从候选提示词集合中选出具有最大增益的提示词加入优化子集，每选出一个新的提示词，则进行一次局部优化，当所有目标提示词被选出后，在连续空间中对所有提示词采用交替式优化策略进行联合优化，不断迭代直至得到优化后的提示词。本公开实现对语言模型提示词的高效自适应更新，以提升模型在零样本、少样本及概念漂移场景中的泛化性能和鲁棒性。