The Value of a Prompt: An LLM-Relative Kolmogorov-Complexity Approach
提示的价值:一种大语言模型(LLM)相对柯尔莫哥洛夫复杂度的方法
机构 * Cornell Tech(康奈尔科技学院) ; Technion(以色列理工学院) ; TAU(特拉维夫大学)
AI总结 该研究提出LLM相对的概率性Levin–柯尔莫哥洛夫复杂度pKt,将提示价值定义为相对于pKt的算法互信息,可高效估算,且提示价值b位对应无提示时复制z的中位数token成本为有提示时的2^b倍。