本研究提出了一种新模型，通过结合数据集表格内容和元数据，提高数据集检索的准确率和NDCG得分。测试结果表明，该模型能有效改善无监督和有监督的Web表格检索任务。同时，研究探讨了数据集标签的视觉-语义关系及其在数据交换中的应用，强调了语义数据管理在大数据中的重要性。
prompt2model是一种通过提示自动生成语言模型的方法，包含Prompt Parser、Dataset Retriever、Dataset Generator和Model Retriever等部分。它利用上下文学习分割用户提示，检索相关数据集，并通过用户反馈优化选择。生成的数据集采用自动提示工程和共识输出过滤，Model Retriever则使用BM25算法根据用户指令检索模型。
完成下面两步后，将自动完成登录并继续当前操作。
