DD-GEPA：以任务指令和话语表示为重点的对话解缠的即时优化

多方聊天通常包含交错对话，因为多个参与者可以同时讨论不同的主题。对话解缠通过将纠缠的话语序列分离成连贯的对话来解决这个问题。虽然 大语言模型 (LLM) 在这项任务中很有希望，但它们仍然难以解开对话，并且准确率较低。本文提出了一种基于LLM的对话解纠缠的自动提示优化。我们将提示分解为三个部分：任务指令、话语表示和输出指令，并使用复合人工智能系统的优化方法 GEPA 对其进行优化。在基准数据集上的实验表明，优化后的提示比原始提示提高了对话解缠的准确性，并且可以超越手工制作的提示。