标签
研究人员提出一个国际象棋谜题基准数据集（包含 1,118 道 Lichess 题目），用于对冻结参数的大语言模型进行自动提示词优化；他们在八个模型上评估了六种 APO 算法，采用成本低廉、结果确定且可重复的评分方式，总成本约为 800 美元。