本研究探讨了从大型语言模型输出中重建提示的方法，特别关注风格转换和改述。通过高质量基准数据集，发现一击和微调策略效果最佳，并指出传统句子相似性度量的不足，推动了输入提示恢复的研究进展。

本研究提出了一种创新的提示重建框架，利用语言模型的文本输出解决黑箱无样本语言模型反演问题。实验结果表明，该方法在提示恢复方面优于现有技术，显示出生成高质量文本数据的潜力。