一种基于词表约束的离散提示学习方法及系统

本发明涉及人工智能与自然语言处理技术领域，公开了一种基于词表约束的离散提示学习方法及系统。方法包括：构造初始提示并映射为提示嵌入，输入目标模型计算对应梯度；在目标模型词表中检索与各提示嵌入位置距离较近的候选词元，选择词表约束词元，将梯度更新结果与约束词元词向量加权融合得到更新后提示嵌入；将更新后提示嵌入离散化为词表词元构成的离散提示，并依据一阶重要性评分调整提示长度；将多个模型串联，从下游至上游以优化后中间输出构造代理目标与代理梯度逐步优化各步骤提示。本发明兼顾连续优化效率与离散提示的可解释、可编辑、可部署性，缓解离散中间输出导致的梯度阻断，提升多步任务提示优化效果。