本研究分析了大型语言模型在代码生成中的提示技术，特别是多轮自动提示的效果。通过网格搜索，找到了提升模型性能的提示策略，并探讨了微调对模型推理和多轮代码生成效率的影响。

该文介绍了一种利用持久同调和机器学习进行数据分类的简单易用的流程，并在常见基准数据集上比较了不同的表示方法。通过最适合数据类型的过滤将持久图与数字数据关联起来，并使用网格搜索方法确定最佳表示方法和参数。