arXiv 论文提出 PromptOps 迭代优化 LLM 评审系统
原文标题：PromptOps: Iterative Prompt Optimization for LLM-as-a-Judge Systems
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文把 LLM-as-a-Judge 系统随用户交互与分数分布变化而出现的性能漂移定义为「评审漂移」，并提出闭环框架 PromptOps。框架拆分何时优化、用何种优化流程、用哪些反馈记录、如何更新提示四个决策，并以 GEPA、SIMBA、评分标准合成等五种方法实例化。实验表明迭代提示优化可恢复评审性能，但最优算法与更新时机高度依赖场景。
- 问题
- LLM-as-a-Judge 上线后随用户交互与分数分布变化出现评审漂移。
- 方法
- 提出闭环框架 PromptOps，拆分何时优化、用何种流程、用哪些反馈、如何更新提示四个决策，实例化五种优化方法。
- 结果
- 未给出量化结果；迭代提示优化可在受控分布偏移后恢复评审性能，但最优算法与时机不通用。
- 影响
- 把评审提示优化从一次性调参变成持续运维问题，工程上需按场景定制维护策略。
深读 · 结论先行AI 生成展开看要点与影响 ↓
PromptOps 把 LLM 评审随交互漂移定义为「评审漂移」，迭代优化可恢复性能但最优算法与时机不通用。
- •将 LLM-as-a-Judge 与人类评审政策一致性下降的问题定义为 judge drift
- •框架拆分为何时优化、用何种流程、用哪些反馈记录、如何更新提示四个决策
- •以 GEPA、SIMBA、评分标准合成、模拟退火与 TPE 样本选择共五种方法实例化
- •实验显示迭代提示优化可在参考分数分布受控偏移后恢复评审性能
- •最优算法选择与更新时机高度依赖场景，无法普遍泛化
为什么重要：对已上线 LLM 评审系统的团队，这条说明评审提示需要当作持续维护问题而非一次性调优，但没有给出通用最优解。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。