西湖大学MAPLE实验室 投稿 量子位 | 公众号 QbitAI 当前，人工智能领域正经历一场由「模型微调」向「上下文工程」的范式转变。 通过在输入中引入更明确的指令和更丰富详实的知识，「上下文工程」既无需投入高昂的训练成本，亦不依赖开源模型权重参数，同时能够 为用户和开发者提供更强的可解释性，正逐渐成为构建高性能、可扩展且具备自我改进能力的 AI 系统的核心范式。 正因如此，「微调已死」成为了AI领域近期广泛认可的热门话题。 对于这一缺陷，多提示词的相互协作是一个很自然的解决方案——单个提示词可能无法处理特定输入，但其他提示词可以弥补这一方面的性 能损失。 如果能基于多个提示词生成的回答提取他们所达成的「共识」，AI系统就更有可能输出正确答案。 基于这一思想，西湖大学MAPLE实验室齐国君教授团队提出了基于「共识机制」的提示词组进化算法C-Evolve。 与既往仅优化单一提示词不同，C-Evolve旨在通过进化算法生成一组提示词。该组提示词在对输入信息进行独立处理后，通过提取所有输 出结果的共识，以实现最优任务性能。 为实现这一目标，团队创新性地提出了「共识表决得分」这一进化指标，用于评估单个提示词在成组工 ...