研究者提出可复现离线评测框架并用于提示压缩

Prabal Vashisht、Zheng Hu、Ying Yang 提出一套面向生产级对话智能体的离线评估框架，称其能在所依赖的实时企业数据变化时保持可复现，并可在基准过期后按需重新生成。 研究者将该框架用作 GEPA 提示词优化的适应度函数，并加入正确性门控以防止奖励黑客。在面向商家的生产智能体上，完整提示词规模被压缩 3.5%–7.6%；三个独立被测模型族均未出现留出任务正确率回退，其中一个还测得正确率提升。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。