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 · youtube · 2026-09-27
AI Engineer 频道访谈 GEPA 作者、UC Berkeley Sky Computing Lab 博士生 Lakshya A. Agrawal，讲反射式 prompt 优化为何能大幅超越强化学习。
核心论点:RL 把整条 rollout 压缩成一个分数，丢掉了过程信息;GEPA 则让模型阅读完整轨迹(思维链、工具调用、报错信息)并据此改写 prompt，用 Pareto 候选池避免陷入局部最优。仅对 3 个例子做一轮反射，增益就是 GRPO 25000 次 rollouts 的两倍。
延伸成果(Optimize Anything，凡可文本化+打分皆可优化):
- 把 4 行程序优化成 6 步 agent，Gemini Flash 在 ARC-AGI 从 32.5% 提到 89.5%;
- AMD NPU 编码 agent 从 4% 提到 30%;
- GPT-5 mini 在 Go issue 上从 24% 提到 93%，学到的技能可迁移到 Claude Sonnet;
- Databricks 用它调优开源模型，以 1/90 成本胜过 Claude Opus。
其他话题:从生产轨迹学习 eval、prompt 与权重协同优化(快慢学习)、为什么越强的模型越需要更好的 prompt。GEPA 开源于 github.com/gepa-ai/gepa。
所属事件:GEPA 反射优化仅 3 样本即超 GRPO 2.5 万次滚动(2 条相关)→
「编程与Agent」频道最新
- Matt Pocock:课程最惊艳的不是 Agent,而是 DDD 领域驱动设计 — mattpocockuk · 2026-11-11
- AI 智能体日夜运转一个月,复现法国气象局 AROME 天气模型 — IgorCarron · 2026-11-11
- 让 AI 角色扮演「高执行力传奇玩家」,提示词的隐藏秘诀 — tokenbender · 2026-11-11
- Agent 验证不设截止时间等于没验证：一份防护设计准则 — Key-Register-1969 · 2026-11-11
- 免费开源课程：从零构建 Claude Code 克隆，8 文章 6 视频讲透 harness 工程 — blaizedsouza · 2026-11-11
- 百度开源文心 5.5 Flash Preview:连写 11 小时代码做出武侠游戏 — xiaohu · 2026-11-11