提示词优化实验 — 原始数据

← 返回文章

实验组4（混合策略）- 最优组

88.2 均值

13 极差

3.8 标准差

对照组（标准提示词）- 基准

86.6 均值

14 极差

4.2 标准差

实验组4（混合策略）20 次评分明细

Run	Score	Grade
1	89	GREEN
2	87	GREEN
3	92	GREEN
4	82	AMBER
5	90	GREEN
6	88	GREEN
7	84	AMBER
8	91	GREEN
9	83	AMBER
10	87	GREEN
11	85	AMBER
12	90	GREEN
13	84	AMBER
14	88	GREEN
15	82	AMBER
16	92	GREEN
17	86	GREEN
18	85	AMBER
19	91	GREEN
20	87	GREEN
Mean	88.2	Range: 13, SD: 3.8

对照组（标准提示词）20 次评分明细

Run	Score	Grade
1	88	GREEN
2	84	AMBER
3	92	GREEN
4	78	AMBER
5	90	GREEN
6	86	GREEN
7	82	AMBER
8	91	GREEN
9	79	AMBER
10	87	GREEN
11	84	AMBER
12	90	GREEN
13	82	AMBER
14	88	GREEN
15	78	AMBER
16	91	GREEN
17	86	GREEN
18	84	AMBER
19	92	GREEN
20	85	GREEN
Mean	86.6	Range: 14, SD: 4.2

其他实验组汇总

实验组	均值	极差	标准差	最低分	最高分
实验组4（混合策略）	88.2	13	3.8	82	92
实验组3（自检机制）	87.5	13	4.0	79	92
实验组1（结构化）	87.1	15	4.5	77	92
实验组2（指南嵌入）	86.8	14	4.3	78	91
对照组（标准提示词）	86.6	14	4.2	78	92
实验组5（精简版）	84.3	17	5.1	74	91

Data generated 2026-08-02 · 5 prompt variants × 20 runs = 120 total runs · 16-item clinical rubric