· AI Engineer World's Fair 2026
Побеждаем RL с помощью рефлексии: GEPA и Optimize Anything
Beating RL With Reflection: GEPA and Optimize Anything — Lakshya A. Agrawal, GEPA
Рефлексия над трассами выполнения и текстовой обратной связью улучшает промпты и агентов с меньшим числом прогонов, чем RL, по словам авторов.
- Pareto-пул вместо одного лучшего кандидата — в пуле хранится каждый вариант, который выигрывает хотя бы на одном примере. По словам спикера, на четырёх бенчмарках это дало почти вдвое больший прирост, чем цикл, где LLM переписывает только лучший промпт.
- Текстовая обратная связь как сигнал — функция оценки в optimize anything возвращает число и любые доменные данные: ошибки компилятора, профилировщика, сообщения об ошибках вызовов инструментов. По словам спикера, так оптимизируют промпты, harness агента и CUDA-код.
- Skills, переносимые между моделями — skill, оптимизированный на GPT-5 mini, поднял его с 24% до 93% на исправлении багов в Go-репозитории. По словам авторов, тот же skill дал Claude Sonnet 4.5 точность 100% и сократил время решения почти на 50%.
Кому полезно: тем, кто настраивает промпты и агентов без большого бюджета на RL или размеченных датасетов.
Статья по теме
Главы
Похожие доклады
Мы устроили гонку между Claude Code, Codex и исследователями
AI Engineer World's Fair 2026
Близко по содержанию
Оценить оценщика: как создавать действительно работающие LLM-оценщики с GEPA
AI Engineer Europe 2026
Близко по содержанию
Непрерывное обучение AI agents: от ошибок к устойчивым улучшениям
AI Engineer World's Fair 2026
Близко по содержанию
Hill-climbing skills: как улучшать agents без изменения модели
AI Engineer World's Fair 2026
Близко по содержанию

