引入MAPO：动量辅助的梯度下降提示优化

本研究解决了在大语言模型（LLMs）中提示优化效率和效能不足的问题。MAPO提出了一种新颖的方法，通过使用积极的自然语言“梯度”和基于动量的扩展，有效地改进提示，避免局部最小值和振荡。研究结果表明，MAPO比ProTeGi更快收敛，API调用更少，F1分数更高，展示了其作为自动化提示工程强大且可扩展的解决方案的潜力。