APEX：具有动态数据选择的自动化提示工程专家

大型语言模型对提示 formulation 高度敏感，需自动优化以释放潜力。现有进化算法受限于数据效率，常将开发集视为静态基准，浪费计算资源。本文提出 APEX 框架，同步优化数据使用与提示搜索。该方法根据优化谱系将数据集动态分层为易、难及混合三类，优先关注表现不稳定的“混合”层级，从而识别出用于生成有效变异和区分候选质量的高价值子集。实验表明，在固定预算下，APEX 显著优于初始提示，证明了以数据为中心的方法对高效提示优化的关键作用。