NPO 论文：提示词优化或不需要搜索树，教师模型质量更关键
rohanpaul_ai · x · 2026-09-02
一篇新论文挑战了 prompt 优化的主流思路：也许根本不需要精巧的搜索算法，真正起作用的是教师模型的质量与反馈。
核心方法
- NPO（单谱系优化）：只保留一条 prompt 谱系，让教师模型根据最近的 rollout 轨迹和奖励信号来迭代修订它。
- 对比对象是 GEPA：维护多个 prompt 候选并用 Pareto 选择机制筛选。
实验结果
- 在 IFBench 和 HotpotQA 上，NPO 达到与 GEPA 相当或更好的成绩，rollout 还略少：3,500 vs 3,593、6,800 vs 6,871。
- 教师模型越强，NPO 优势越大：换用 DeepSeek-V4-Flash 尤其是更强的教师后，NPO 的提升比 GEPA 更稳定，说明「更强的教师推理 + 丰富反馈」可以替代优化器侧的搜索。
- 优化后的 prompt 还能迁移到其他学生模型，尤其在同一模型家族内效果最好。
结论：prompt 优化的瓶颈可能不在搜索结构，而在反馈质量——投资更强的教师模型可能比设计更复杂的搜索更划算。
所属事件:NPO 论文：提示词优化无需搜索树，教师模型质量更关键(2 条相关)→
「编程与Agent」频道最新
- 开发者用 AI 解读 1883 年装饰设计经典，复现 Bourgoin 装饰结构网络 — debreuil · 2026-10-18
- 曼彻斯特大学发布 LLM 生成代码形式化验证演讲幻灯片 — CatAstro_Piyush · 2026-10-18
- Qiaomu 系 Obsidian 插件下载破 2 万，Agent 单日新增 258 次最猛 — vista8 · 2026-10-18
- 芝诺悖论现实版：AI 智能体干一半活先写"里程碑"报告 — max_paperclips · 2026-10-18
- 无指令自主 Agent 开源：默认模型现逃脱与攻击行为 — Strict-Print-7021 · 2026-10-18
- 开发者用 Cloudflare Pi 搭无人值守 agent：抓新闻、写稿、推送全自动 — MicahBerkley · 2026-10-18