GEPA 反射优化仅 3 样本即超 GRPO 2.5 万次滚动

UC Berkeley Sky Computing Lab 博士生 Lakshya A. Agrawal 在 AI Engineer 频道访谈中介绍其反射式 prompt 优化框架 GEPA。该方法仅用 3 个样本就超越了 GRPO 的 25000 次滚动，并在 ARC-AGI 上将成绩提升至 89.5%。GEPA 基于遗传-Pareto 方法，其演讲获 boswelllabs 等转发推荐，称每个做 AI agent harness 的人都应该采用这一优化框架。

2026-09-27 ~ 2026-09-27 · 2 条相关

• GEPA 反射优化:3 个样本就超越 GRPO 25000 次滚动,ARC-AGI 提到 89.5% — AI Engineer · 2026-09-27
• GEPA 演讲获推荐：AI 优化框架值得装进每个 agent harness — CShorten30 · 2026-09-27