面向 AI 系统的元提示
人工智能
2025-12-22 v9 计算与语言
摘要
我们提出元提示(Meta Prompting, MP)，一种通过聚焦任务的正式结构而非内容特定示例来提升大语言模型(LLMs)推理能力的框架。我们为该范式确立理论基础，将 MP 形式化为一个函子，将任务范畴映射到结构化提示范畴，从而保障组合式问题求解策略能被系统性地分解为模块化提示结构。我们将此概念扩展至递归元提示(Recursive Meta Prompting, RMP)，一种由 LLM 生成并精炼自身提示的自动化过程。我们将此自我改进循环形式化建模为一个单子，为自动化提示工程提供原则性框架。我们的主张通过大量实验得以验证：表明一个 Qwen-72B 基座模型，在单一、与示例无关的元提示引导下，于 MATH、GSM8K 和 Game of 24 上取得最先进(state-of-the-art)结果。这些结果相较于传统少样本方法实现了显著的 token 效率提升。项目主页：https://github.com/meta-prompting/meta-prompting。
引用
@article{arxiv.2311.11482,
title = {Meta Prompting for AI Systems},
author = {Yifan Zhang and Yang Yuan and Andrew Chi-Chih Yao},
journal= {arXiv preprint arXiv:2311.11482},
year = {2025}
}
备注
Project Page: https://github.com/meta-prompting/meta-prompting