热点事件持续更新
GEPA 反思式提示优化：深度研究智能体的迁移增益评估
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月12日，arXiv cs.CL 上传一项研究，评估反思式提示词优化在深度研究智能体上的可迁移增益。研究用 GEPA 反思式提示词演化，优化多智能体深度研究智能体的两个系统提示词，并采用主题不相交的多种子协议：在 held-out 引用奖励上从 0.702 升至 0.781，增益 +0.079，并在三个种子上复现。研究同时指出，近半获胜提示词实为记忆答案键，但消融显示这类提示词即便在它所编码的训练题上也未获得奖励；逐维度反馈才是增益迁移的因果要素，若把反馈压成单一标量奖励，迁移增益转为负值。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
研究测得 held-out 引用奖励 0.702→0.781（+0.079），但压成单一标量奖励后迁移增益转负。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CL深度研究智能体的反思式提示词优化：衡量可迁移增益与提示词级过拟合的主题不相交多种子协议
GEPA 反思式提示词演化优化了多智能体深度研究智能体的两个系统提示词，主题不相交划分下 held-out 引用奖励从 0.702 升至 0.781，增益 +0.079 并在三个种子复现。近半获胜提示词是记忆答案键，消融却显示它在编码的训练题上也无奖励；逐维度反馈才是增益迁移的因果要素，压成单一标量奖励则迁移转负。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。