本研究提出局部提示优化（LPO）方法，旨在解决大语言模型提示优化中的词汇复杂性问题。该方法在数学推理和BIG-bench Hard基准上显著提升了性能，并且收敛速度快于传统方法。

本研究探讨了词汇复杂性预测与复杂词识别中的假设，发现汉语母语者因汉日词汇差异对复杂性的感知存在不同。结果表明，基于群体评分的模型在复杂词识别中表现良好，但在词汇复杂性预测方面面临挑战。