本研究提出了一种新方法，结合软提示调优与差分进化，解决大语言模型（LLM）对齐中缺乏文化维度的问题，显著提升了LLama-3-8B-Instruct在多个地区的文化对齐效果。

本研究提出了一种基于强化学习的差分进化算法自动设计框架，旨在提升黑箱优化中的算法性能。通过元学习，该框架能够为特定问题定制最优配置，实验结果表明其在基准测试中具有竞争力。

该研究提出了一种结合多精度评估、机器学习和优化算法的反向设计优化方法。通过低精度模拟数据预测目标变量，显著节省计算资源并加快收敛速度，适用于各种反向设计应用，提升了差分进化和粒子群优化算法的性能。