近日，中建2025年第八屆大數(shù)據(jù)與應用統(tǒng)計國際學術研討會（IEEE ISBDAS 2025）于廣州圓滿落幕。電商中建電商AI團隊發(fā)表的兩項兩篇學術論文《GradPromptOpt: An enhanced prompt optimization method to improve performance of LLMs》（《GradPromptOpt：一種提升大型語言模型性能的增強型提示優(yōu)化方法》）與《A novel long prompt optimization approach to improve reasoning capacity of LLMs》（《新型長文本提示優(yōu)化方法：提升大型語言模型推理能力》）被大會收錄，并在現(xiàn)場引發(fā)學術界與工業(yè)界的研究廣泛關注?！?br/>

　　本次會議由廣東省高等教育學會人工智能與高等教育研究分會主辦，成果北京師范大學協(xié)辦，際學南洋理工大學、術研收錄新加坡國立、中建關西國際大學、電商中山大學、兩項華南理工大學等國內外多所著名高校聯(lián)合組辦，研究浙江大學、成果北京航空航天大學、際學中山大學、術研收錄廣州大學等多所重點高校參辦。中建會議所有錄用論文將收錄至IEEE Xplore核心數(shù)據(jù)庫，并提交EI Compendex與Scopus檢索，彰顯了論文的學術價值與技術前沿性。

GradPromptOpt：智能提示優(yōu)化的革命

　　GradPromptOpt: An enhanced prompt optimization method to improve performance of LLMs

　　在快速發(fā)展的AI領域中，如何有效地設計和優(yōu)化LLM的提示已成為一個關鍵挑戰(zhàn)。為了解決這一問題，中建電商人工智能中心開發(fā)了一種名為GradPromptOpt的新型提示優(yōu)化方法。這是一種基于梯度的自動優(yōu)化框架，通過智能調整提示來提高LLM在特定任務上的表現(xiàn)。GradPromptOpt利用LLM內部梯度信息，能夠自動診斷并優(yōu)化提示弱點，就像給語言模型裝上“智能顯微鏡”，能精準定位影響任務表現(xiàn)的提示詞成分。在關鍵詞提取等精細化任務中，系統(tǒng)展現(xiàn)出31.75%的性能提升，遠超傳統(tǒng)人工調優(yōu)效率。

PromptEvolution：長提示詞的進化之路

　　A novel long prompt optimization approach to improve reasoning capacity of LLMs

　　與此同時，中建電商AI團隊模靈、奧德、魔碼等人提出的方法——PromptEvolution，創(chuàng)造性地融合了束搜索與遺傳算法選擇、變異算子的策略，實現(xiàn)了對大語言模型長提示詞（Long Prompts）的自動化優(yōu)化。該方法通過分解提示為獨立語句，結合動態(tài)歷史搜索與語句級改寫，顯著提升了復雜開放領域任務中模型的推理準確率。實驗表明，該方法在Big-Bench Hard基準測試的六項任務中平均提升模型準確率7.2%，其中歧義消除任務提升高達10.4%，達到了當前長提示優(yōu)化領域的頂尖水平（SOTA）。

　　這些研究成果已應用于云筑智能供應鏈平臺的復雜決策場景中。例如，在建筑行業(yè)招投標文件的自動化審核、數(shù)據(jù)標準化等任務中，優(yōu)化后的提示詞使模型準確率大大提高，大幅降低了人工復核成本。目前，云筑平臺累計服務企業(yè)超過50萬家，年處理智能交互請求達百億級。此次技術的突破，將進一步推動建筑行業(yè)采購、風控等環(huán)節(jié)的智能化進程。（中建發(fā)展供稿）