2.4.4 内置优化器：`BootstrapFewShot`, `BayesianOptim...

文档摘要

2.4.4 内置优化器： , 2.4.4 内置优化器：和 DSPy 提供了一系列内置优化器，旨在简化和自动化语言模型（LM）程序的优化过程。这些优化器利用不同的策略来寻找最佳的提示和参数配置，以最大限度地提高程序的性能。本节将深入探讨和这两个内置优化器，介绍它们的工作原理、使用方法和适用场景。优化器是一种基于自举抽样 (Bootstrap Sampling) 的优化器，特别适用于小样本学习场景。它通过生成多个不同的小样本数据集来评估和选择最佳的提示和参数，从而提高模型的鲁棒性和泛化能力。 1.1 工作原理的核心思想是：自举抽样 (Bootstrap Sampling): 从原始训练数据集中有放回地随机抽取样本，生成多个大小与原始数据集相同的新数据集。