本文提出了一种基于强化学习的自动提示生成方法PRL，旨在解决有效提示工程的挑战。该方法能够生成新型示例，并在文本分类、简化和摘要等任务中取得优异表现，显著提升各项任务的效果。

本文探讨了利用大型语言模型（LLMs）生成合成数据以解决分类不平衡问题的方法。通过聚类选择和新颖的分组提示，研究验证了该方法在多个真实数据集上的有效性，显著提升了分类和回归任务的性能。同时，研究展示了自动提示生成在自然语言处理中的潜力，强调了自动化提示设计的重要性。