自适应提示结构分解：一个用于自我发现和优化组合式提示程序的框架

自动化提示优化对于激发大语言模型的可靠推理至关重要，但现有方法多迭代编辑单体提示，导致组件耦合且归因困难。本文提出自适应提示结构分解（aPSF），一种仅依赖 API 的框架，利用架构模型将提示分解为语义因子。该方法通过干预性评分估计各因子贡献，并基于错误引导选择主导失败源进行单因子更新。实验表明，aPSF 在多个推理基准上优于强基线，平均准确率提升高达 2.16%，同时显著降低优化成本。