★ 3
arXiv 提出可溯源多模态情感推理智能体框架
研究提出一种基于冻结模型的多模态情感推理智能体框架，各模态感知智能体将带证据引用的观察提交至共享面板，由整合智能体生成情感描述与标签，并设证据校验阶段定位错误来源。在 MER2025 数据集上，该方法在 VideoLLaMA3-2B、Phi-3.5-vision、Qwen2.5-VL-7B、Int…
arXiv NLP7 天前
#提示优化
共 18 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
IF-MAP 用影响函数思路为多智能体系统排优先级
论文提出 IF-MAP，借鉴影响函数思想识别多智能体系统中最值得优先改进的智能体。方法通过受控语义提示扰动测量端到端损失变化，在低维提示嵌入子空间拟合局部响应模型并以响应范数作为优先级分数，全程黑盒无需梯度。在六类多智能体工作流上，按优先级优化提示带来 3.81 个百分点宏平均增益，并显著减少 Q…
arXiv cs.AI13 天前
★ 3
预注册研究：提示优化器会破坏未计分要求
论文对 GEPA、MIPROv2、TextGrad 三个提示优化器在 HotpotQA、SQuAD 2.0、IFEval 上做预注册实验，发现优化后提示在提升目标指标的同时违反引用、格式等未计分要求。事后分析显示，在 200 token 输出上限下大量回答因先输出推理而截断，放宽上限后内容回归基本…
arXiv NLP21 天前
★ 3
CoCoEvolve 元反思优化生产级 AI 系统
论文提出 CoCoEvolve（Cortex Code Evolve），一种以「元反思」为核心的进化优化器：智能体变异器从完整进化历史中检索证据并探测在线系统后再提出变异。在 DABStep 榜单登顶，留出难例准确率 92.8%（Meta-Harness 78.4%、GEPA 30.4%）；dat…
arXiv cs.LG21 天前
★ 3
FreeEvolve：让智能体进化过程自身可学习进化
论文提出FREEEVOLVE，将智能体进化器的优化循环本身自动化，由进化器自行决定测试内容、证据收集与停止时机。在tau3-bench、ARC-AGI-2/3和Terminal-Bench 2.1上平均提升13.6分，元进化技能可跨环境迁移。
arXiv cs.AI25 天前
★ 3
SHIFT：按查询预测动态构建多智能体系统
论文提出 SHIFT 方法，将执行过程移出逐查询搜索循环：由本地 LLM 架构师从搜索中学习 harness 构建策略，并用价值函数预测兼顾准确率与执行成本的效用，再通过蒙特卡洛树搜索为每个查询构建智能体 harness。在六大基准共 9193 项任务上，SHIFT 平均准确率约 80%，超过 1…
arXiv cs.LG27 天前
★ 3
Self-Meta-Evolve：个性化信息抽取提示优化
论文提出 Self-Meta-Evolve 分层框架，为每位用户维护专属提示并通过双循环持续优化，解决企业信息抽取中用户异质性问题。研究发布了基于 O*NET 职业分类的 292 名模拟用户基准，成功率达 74.58%，比最强基线高 13.56 个百分点。双盲人类研究显示其提示在 71% 的成对比…
arXiv cs.AI42 天前
★ 3
TASCO：稳定性感知的LLM推理测试时适应
研究指出高置信度并不代表正确，但若置信度在局部扰动下保持稳定则更可能正确。据此提出TASCO框架，在保持LLM冻结的前提下，通过优化轻量级任务前缀将局部稳定性纳入置信度驱动的测试时适应，采用随机扰动与锐度感知扰动两种策略。实验显示TASCO在多种LLM与推理基准上提升准确率与token效率，且不使…
arXiv cs.AI51 天前
★ 2
研究提出可复现评测框架，用于生产智能体的提示压缩
一篇 arXiv 论文提出面向生产对话智能体的离线可复现评测框架，可在后端数据变化后按需重新生成基准。作者将该框架作为 GEPA 提示优化的适应度函数，并加入正确性门控防止奖励作弊。在商户侧生产智能体上，正确性门控压缩使提示面缩小 3.5%-7.6% 且不损害留出任务正确率。
arXiv cs.AI7 天前
★ 2
HERO：程序生成中的测试时精炼与提示优化
论文提出 HERO 方法，结合离线与测试时的 harness 优化，用于 text-to-SQL 与 text-to-Python 等程序生成任务。它从执行验证的成功与失败中学习可复用提示更新，并在测试时用执行反馈精炼生成代码，在四个基准上 pass@1 提升 7.6 点，测试时精炼再增 2.0 …
arXiv NLP18 天前
★ 2
arXiv 论文：RFDPO 追踪提示优化中的逐项转变
论文提出 RFDPO 工具，追踪提示优化中的恢复、退化与变动，指出总体准确率会掩盖大量逐项变化。在五个基准上，九种配置中有五种变动量至少是净变化的五倍，验证集平均提升 7.9 个百分点而测试集仅 5.2 个百分点。
arXiv cs.LG18 天前
★ 2
TASA：组合优化问题的可追踪智能体框架
论文针对 OPRO 优化过程难追踪、难以利用历史迭代信息的问题，提出工具增强策略智能体 TASA，基于优化轨迹逐步规划策略并构建问题专用工具，配合策略引导的自适应工具规划器更新解。在共享候选评估预算下验证了求解质量与策略搜索的可追踪性。
arXiv cs.AI19 天前
★ 2
MoPrO-SD：面向立场检测的模块化提示优化框架
针对LLM在立场检测中受隐含观点、讽刺与语境影响的问题，研究者提出MoPrO-SD框架，将提示拆解为功能语义模块并借助LLM反馈逐步优化，比较了仅指令、指令加推理、指令加逐例推理三种策略。同时发布人工标注的疫苗立场检测基准VaccineStance，在四个数据集与五个开源权重模型上多数设置优于人工…
arXiv NLP21 天前
★ 2
ARTS-Hybrid：机制引导的LLM评分标准生成与优化
研究者对评分标准（rubric）设计进行系统性机制分析，发现结构化组织能构建更全面的评判标准，而单纯的语义规范不足以保证评判质量，复杂分数聚合收益有限。据此提出ARTS-Hybrid方法，结合自适应树构建与语义优先、响应校准的优化策略，在多个基准上同时提升端到端评估性能与评分标准本身质量，并可为模…
arXiv NLP21 天前
★ 2
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
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…
arXiv NLP21 天前
★ 2
Goldsmith 发布：智能体标注定义优化流水线
论文提出 Goldsmith，一个智能体流水线，把少量专家标注的金标准样本转化为可复用的结构化标注定义，并将该定义视为可训练的文本对象。通过可执行结构化损失与 LLM 编辑器迭代修订，在提示优化对比中优于 OPRO、APE、PromptBreeder，并提升下游标注效果。
arXiv NLP25 天前
★ 2
高原天气预警的ML-LLM融合智能体
针对旅游气象服务情境化不足与场景适应性弱的问题，论文提出SmartWeatherAgent三阶段架构，融合意图识别、灾害预测与推理增强生成。系统结合规则方法与LLM，采用富含高原特征的LightGBM模型，在大风、降水、低温事件上F1-Macro达0.605、延迟1.60毫秒。12轮微步提示自优化…
arXiv cs.AI53 天前
★ 2
RobustSGPO：面向智能体框架演化的搜索空间控制
论文针对语义梯度提示优化（SGPO）在编辑范围与操作选择上缺乏明确规则的问题，提出 RobustSGPO，明确请求的编辑、构建并检查补丁，并从当前方案或保留快照继续搜索。在 AgentX 头脑风暴工作流上以120个任务、95次运行、7350次候选尝试评估权限调度、累积控制与任务族迁移。结果显示周期…
arXiv cs.AI53 天前