技术博客

本文介绍了一种名为MetaSPO的双层优化框架，该框架结合元学习技术，用于协同优化系统提示与用户提示。通过这种方式，MetaSPO显著提升了大型语言模型（LLM）在多任务及跨领域问题中的适应性与鲁棒性，同时有效降低了为新任务定制优化提示的成本，为提示工程提供了高效解决方案。

MetaSPO框架作为一种创新的元学习方法，专注于优化语言模型迁移时的系统提示。传统方式每次更换模型都需要重新优化提示词，而MetaSPO通过一次优化实现提示词跨模型通用，显著提升效率。实验中，该框架成功生成五种教育范式提示，并将“苏格拉底式”提示从DeepSeek-V3迁移到通义千问，评分从0.3920提升至0.4362，验证了其有效性。