该研究评估了多模态大语言模型（MLLM）在提示工程中的表现，比较了七种方法。结果表明，自适应策略结合示例指导与选择性结构推理显著提升了模型的鲁棒性和准确性，为人工智能应用提供了有效的提示工程建议。

该研究评估了四个大型语言模型在图数据分析问题上的能力，结果显示它们能够有效地理解自然语言的图数据并进行图拓扑推理。其中，GPT模型在正确性方面优于其他替代方法，但在结构推理方面面临挑战，且在多答案任务中常常产生错误答案。

该研究评估了四个大型语言模型在图数据分析问题上的能力，结果显示它们能够有效地理解自然语言的图数据并进行图拓扑推理。其中，GPT模型在正确性方面优于其他替代方法，但在结构推理方面面临挑战，且在多答案任务中常常产生错误答案。