研究：LLM引导优化增益主要来自父代继承
热点事件持续更新
研究：LLM引导优化增益主要来自父代继承
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Shanglin Yang 与 Zhan Shi 发表的研究在九个提示词与程序合成基准上完成 1,750 次预注册实验，把父代继承与每轮反馈的广度分开考察；结论是：在短预算下，LLM 引导优化的大部分进展来自贪心父代继承。 作者称，即使种子重置方案每轮都能拿到全部失败的聚类摘要，或者改用更大的提议模型，也未能反超贪心父代继承。研究还拆解了 GEPA 的 token 开销：提议模型的反思只占小部分成本，验证与小批量筛选几乎耗尽全部预算。
AI 根据报道生成 · 4 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · cs.AILineage Is Memory：短预算 大语言模型（LLM，Large Language Model） 引导优化中的父代继承与反馈披露
论文在九个提示词与程序合成基准上做了 1,750 次预注册实验，把父代继承与每轮反馈广度分开考察。结果显示贪心父代继承贡献了绝大部分优化进展，即使种子重置方案每轮拿到全部失败的聚类摘要或使用更大的提议模型也未能反超。作者还拆解了 GEPA 的 token 开销，发现提议模型反思只占小部分成本，验证与小批量筛选几乎吃掉全部预算。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。