计算机科学与探索

作者：刘华玲, 张子龙, 彭宏帅

单位：上海对外经贸大学 统计与信息学院，上海 201620

关键词：闭源模型,大语言模型,提示工程,检索增强生成,智能体

基金：国家自然科学基金 （12371272）；上海市2022年度“科技创新行动计划”基础研究领域项目（22JC1400800）。

随着大语言模型在自然语言处理领域的快速发展，以GPT系列为代表的闭源大语言模型的性能增强成为一个挑战。由于无法访问模型内部的参数权重，传统的训练方法，如微调技术，难以应用于闭源大语言模型，这使得在这些模型上进一步优化变得困难。同时，闭源大语言模型已经广泛应用于下游实际任务，因此研究如何增强闭源大语言模型的性能具有重要意义。聚焦于闭源大语言模型的增强研究，对提示工程（prompt engineering）、检索增强生成（retrieval augmented generation）、智能体（agent）三种技术进行了分析，并针对不同方法的技术特性和模块架构进行了进一步细分，详细介绍了每种技术的核心思想、主要方法及其应用效果，研究了不同增强方法在推理能力、生成可信度、任务适应性等方面的优越性和局限性。讨论了这三种技术的组合应用方法，结合具体案例，强调了组合技术在增强闭源大语言模型性能方面的巨大潜力。总结了现有技术的研究现状和存在的问题，对未来闭源大语言模型增强技术的发展进行了展望。

来源：2025年第5期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第5期