原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
计算机科学与探索1673-9418/2025/19(05)-1141-16
JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2407021
面向闭源大语言模型的增强研究综述
+
刘华玲，张子龙，彭宏帅
上海对外经贸大学统计与信息学院，上海201620
+通信作者E-mail:liuhl@
摘要：随着大语言模型在自然语言处理领域的快速发展，以GPT系列为代表的闭源大语言模型的性能增强成为一
个挑战。由于无法访问模型内部的参数权重，传统的训练方法，如微调技术，难以应用于闭源大语言模型，这使得在
这些模型上进一步优化变得困难。同时，闭源大语言模型已经广泛应用于下游实际任务，因此研究如何增强闭源大
语言模型的性能具有重要意义。聚焦于闭源大语言模型的增强研究，对提示工程（promptengineering）、检索增强生
成（retrievalaugmentedgeneration）、智能体（agent）三种技术进行了分析，并针对不同方法的技术特性和模块架构进
行了进一步细分，详细介绍了每种技术的核心思想、主要方法及其应用效果，研究了不同增强方法在推理能力、生成
可信度、任务适应性等方面的优越性和局限性。讨论了这三种技术的组合应用方法，结合具体案例，强调了组合技
术在增强闭源大语言模型性能方面的巨大潜力。总结了现有技术的研究现状和存在的问题，对未来闭源大语言模
型增强技术的发展进行了展望。
关键词：闭源模型；大语言模型；提示工程；检索增强生成；智能体
文献标志码：A中图分类号：TP391.1；TP18
ReviewofEnhancementResearchforClosed-SourceLargeLanguageModel
+
LIUHualing，ZHANGZilong，PENGHongshuai
SchoolofStatisticsandInformation,ShanghaiUniversityofInternationalBusinessandEconomics,Shanghai201620,
China
Abstract:Withtherapiddevelopmentoflargelanguagemodelsinthefieldofnaturallanguageprocessing,performance
enhancementofclosed-sourcelargelanguagemodelsrepresentedbytheGPTfamilyhasbecomeachallenge.Dueto
theinaccessibilityofparameterweightsinsidethemodels,traditionaltrainingmethods,suchasfine-tuningtechniques,
aredifficulttobeappliedtoclosed-sourcelargelanguagemodels,whichmakesitdifficultforfurtheroptimizationon
thesemodels.Meanwhile,closed-sourcelargelanguagemodelshavebeenwidelyusedindownstreamreal-worldtasks,
andthusitisimportanttoinvestigatehowtoenhancetheperformanceofclosed-sourcelargelanguagemodels.Thispaper
focusesontheenhancementofclosed-sourcelargelanguagemodels,analyzesthree
文档评论（0）