arXiv · cs.AI· Jialin Zhang·· 20 小时前AI 评分46
并行批量提案让 GEPA 反思优化更快更准
Batching the Reflective Optimization Loop: Parallel Proposals Make GEPA Faster and Better
来源与原文
arXiv · cs.AI
作者：Jialin Zhang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.36774v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究人员扩展开源 GEPA 优化器，使每一步反思优化能并行提出并评估一批候选方案，而非逐个评估。在两项任务的实验中，多数批量运行耗时缩短至一半以内，最快约四分之一到三分之一；LiveBench-Math 留出测试分数从 68.9% 升至 72.1%（$2\times2$），HoVer 从 49.0% 升至 60.0%（$8\times1$），且指标调用与美元预算使用更高效。
来源：arXiv · cs.AI · arxiv.org