本文介绍了目标相似性调整（TST）的应用和改进方法，通过大型语言模型从自然语言中选择相关示例到代码生成，使模型保持为黑盒子，在推理时只需要进行少量矩阵乘法。同时，介绍了如何高效地选择较少的训练示例来训练TST模型，并引入了一种基于排名的评估方法，用于评估TST。