2026主流大厂提示词压缩与幻觉治理全景

目录

• 提示词的"降本"与"提准"：2026 年主流大厂与顶尖高校方案全景
• • 引言：为什么这两条主线要一起谈
  • 第一部分：提示词压缩（Prompt Compression）
  • • 1. 硬压缩（Hard Prompt Compression）
    • • 1.1 Selective Context（剑桥, EMNLP 2023）
      • 1.2 LLMLingua 系列（Microsoft，EMNLP'23 / ACL'24）
      • 1.3 Nano-Capsulator（Meta，2024）
      • 1.4 BEAVER（2026 最新，训练无关分层压缩）
      • 1.5 其他学术分支
    • 2. 软压缩（Soft Prompt Compression）
    • • 2.1 Gisting（Stanford, Jesse Mu, NeurIPS 2023）
      • 2.2 AutoCompressor（Princeton NLP, 2023）
      • 2.3 ICAE / 500xCompressor（清华 THUDM, 2024）
      • 2.4 xRAG（Microsoft, 2024）
    • 3. 产品级方案：缓存优先（Cache-first）
    • 4. Anthropic 的 "Context Engineering 四策略"（2025 正式化）
  • 第二部分：准确率提升 + 幻觉抑制
  • • 1. 推理增强（Reasoning Enhancement）
    • • 1.1 Chain-of-Thought (CoT)（Google Brain, NeurIPS 2022）
      • 1.2 Self-Consistency（Google + Stanford, ICLR 2023）
      • 1.3 Tree-of-Thoughts (ToT)（Princeton + DeepMind, NeurIPS 2023）
      • 1.4 Graph-of-Thoughts (GoT)（ETH Zurich, AAAI 2024）
      • 1.5 Least-to-Most Prompting（Google, ICLR 2023）
    • 2. 自我验证与幻觉治理（Verification & Hallucination Mitigation）
    • • 2.1 Chain-of-Verification (CoVe)（Meta AI, ACL Findings 2024）
      • 2.2 Self-RAG（华盛顿大学 UW, ICLR 2024）
      • 2.3 Semantic Entropy（牛津大学, Nature 2024 封面）
      • 2.4 Self-Refine（CMU + Allen AI, NeurIPS 2023）
      • 2.5 Reflexion（Northeastern + MIT, NeurIPS 2023）
      • 2.6 Integrative Decoding（2025）
    • 3. 检索增强（Retrieval-Augmented Methods）
    • • 3.1 RAG（Meta AI / Facebook, NeurIPS 2020）
      • 3.2 HyDE — Hypothetical Document Embeddings（CMU, ACL 2023）
      • 3.3 FLARE — Forward-Looking Active Retrieval（CMU, EMNLP 2023）
      • 3.4 Corrective RAG (CRAG)（2024）
    • 4. 自动化 Prompt 优化（Automated Prompt Optimization）
    • • 4.1 APE — Automatic Prompt Engineer（Toronto + Google, ICLR 2023）
      • 4.2 OPRO — Optimization by PROmpting（Google DeepMind, ICLR 2024）
      • 4.3 DSPy（Stanford, ICLR 2024）
      • 4.4 PromptWizard（Microsoft Research, 2024）
      • 4.5 TextGrad（Stanford, 2024）
  • 第三部分：如何组合？—— 2026 年生产级最佳实践
  • • 场景 A：客服工单分类 / 结构化输出
    • 场景 B：RAG 长文档问答
    • 场景 C：多轮 Agent 长任务
  • 一张综合对比表（速查用）