本研究提出了一种新颖的迭代采样框架，结合Metropolis-Hastings算法与重要性采样，解决了大语言模型在生成文本长度管理上的不足。实验结果表明，该框架在长摘要和长度限制任务上几乎实现了100%的成功率，显示出精准控制文本长度的潜力。

本研究提出了一种新颖的提示边际化方法，旨在提升大型语言模型在推理任务中的表现。该方法通过迭代采样策略，在多个算术推理基准数据集上超越了现有策略。