arXiv cs.AI· Jialin Zhang, Lakshya A Agrawal, Shangyin Tan, Donghyun Lee, Lutfi Eren Erdogan, Dan Klein, Koushik Sen, Alex Dimakis, Matei Zaharia·· 2 小时前AI 评分37
GEPA 反思优化循环批量化：并行提案让优化更快更好
Batching the Reflective Optimization Loop: Parallel Proposals Make GEPA Faster and Better
AI 导读
研究者把开源优化器 GEPA 扩展为每步批量提出并评估多个候选，而非一次只处理一个。两项任务中多数批量运行耗时减半或更少，最快约为原来的四分之一到三分之一；LiveBench-Math 上 2×2 设置把留出测试分数从 68.9% 提到 72.1%，HoVer 上 8×1 从 49.0% 升到 60.0%，metric 调用与美元预算的使用也更高效。
来源：arXiv cs.AI · arxiv.org