本研究提出了一种名为CAPO的算法，旨在降低大型语言模型提示优化的成本。CAPO利用自动机器学习技术提高效率，实验结果表明其在多个数据集和场景中优于现有方法，性能显著提升。

本研究提出了一种名为合作计划优化（CaPo）的方法，旨在解决基于大型语言模型的智能体间的合作问题。CaPo通过元计划生成和进度适应两个阶段，确保参与者的长期战略与协作计划，从而显著提高合作效率。实验结果表明，CaPo在任务完成率和效率上优于现有方法。