arXiv 论文：反思式提示优化提升深度研究智能体，需主题隔离与多随机种子验证
原文标题：Reflective Prompt Optimization of a Deep-Research Agent: A Topic-Disjoint, Multi-Seed Protocol for Measuring Transferable Gains and Prompt-Level Overfitting
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
该 arXiv 论文将反思式提示演化（GEPA）应用于多智能体深度研究智能体的两个系统提示，并在训练、验证、测试主题完全不重叠的划分下评估。留出引用奖励从 0.702 升至 0.781，提升 0.079，且在三个随机种子上可复现。研究发现近半获胜提示是记忆的答案键，但消融实验显示其不带来奖励；真正驱动迁移的是按维度分解的反馈，坍缩为单一标量奖励会导致留出迁移为负。作者据此提出评估提示优化器需主题留出、多种子与验证器消融。
- 问题
- 提示优化在事实任务上可能靠记忆答案而非真正迁移。
- 方法
- 用GEPA优化多智能体深度研究智能体提示，采用主题不重叠划分并做验证器消融。
- 结果
- 留出引用奖励从0.702升至0.781，提升0.079，三个种子可复现。
- 影响
- 提醒评估提示优化器必须主题留出、多种子与验证器消融，否则指标虚高。
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。