arXiv cs.CL· Sangdo Han, Moonsoo Kim·· 3 小时前AI 评分49
GEPA、MIPROv2、TextGrad 会破坏未被评分的需求吗？一项预注册研究
Do Prompt Optimizers Break Requirements They Are Not Scored On? A Preregistered Study
AI 导读
预注册研究显示，GEPA、MIPROv2 和 TextGrad 三类提示词优化器在 HotpotQA、SQuAD 2.0、IFEval 上均违反未被评分的需求，HotpotQA 上引用有效性净回归 10.7 至 41.6 分，而 exact match 反升 21 至 34 分。
来源：arXiv cs.CL · arxiv.org