Beating RL With Reflection: GEPA and Optimize Anything — Lakshya A. Agrawal, GEPA

摘要

Lakshya A. Agrawal 介紹 GEPA，一種透過完整執行軌跡與文字反思來最佳化提示詞的高效方法，比傳統強化學習更省資源。此方法能自動發現領域特定資訊，大幅提升 GPT-4.1 mini、AMD NPU 編碼代理及 ARC-AGI 等系統的表現。Optimize Anything 則將此技術擴展至程式碼、代理架構與排程策略等任何可評分之文字系統。

Lakshya A. Agrawal presents GEPA, a sample-efficient reflective optimization method that outperforms reinforcement learning by using full rollout traces to improve prompts and any text-defined systems via Optimize Anything.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• GEPA 利用完整執行軌跡進行文字反思，比傳統強化學習更省資源。
• Pareto 池機制避免陷入區域性最優，大幅提升最佳化效率。
• Optimize Anything 將此方法應用於程式碼、代理架構與排程策略等。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00Intro: reflective optimization
2. 00:30How we teach AI new tasks
3. 01:00The sample-efficiency bottleneck
4. 02:05What RL throws away
5. 03:00Reflecting in text space
6. 04:25GEPA
7. 04:50GEPA vs. GRPO: 3 examples vs. 25,000 rollouts
8. 05:40What GEPA learns
9. 06:55GPT-4.1 mini beats GPT-4.1
10. 07:15A new AMD NPU: 4% to 30
11. 08:25How GEPA works
12. 09:00Why a Pareto pool beats a simple loop
13. 10:10Results across benchmarks
14. 10:35Beyond prompts: Optimize Anything
15. 12:05The API
16. 12:55A 3D unicorn
17. 13:35Discovering agent harnesses: ARC-AGI from 32.5% to 89.5
18. 14:40MATH-500
19. 15:10Optimizing agent skills: 24% to 93
20. 16:40Three optimization modes
21. 17:30In production: OCR and a 90x cheaper agent
22. 18:40Why better models need better prompts
23. 19:10Learning evals from production traces
24. 19:55Fast-slow learning: prompts and weights
25. 20:20Who uses GEPA
26. 20:45Get started

提到的工具與公司

• GEPA
• GRPO
• Qwen3 8B
• GPT-4.1 mini
• ADF.h
• Claude Opus

適合誰看

正在開發或最佳化 AI 代理系統、需要提升提示詞效能或處理高成本執行軌跡的工程師與技術決策者。

摘要依據

講者

Lakshya A. Agrawal

依據

自動字幕

為什麼排在這裡

人氣

0.83

新鮮

0.97

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• E201｜OpenAI挑战通用型AI Agent，聊聊Agent的底层架构、AGI转折点与RL人才分布Podcast ・ 硅谷101 ・ 1 小時 20 分
• 【生成式AI導論 2024】第9講：以大型語言模型打造的AI Agent (14:50 教你怎麼打造芙莉蓮一級魔法使考試中出現的泥人哥列姆)影片 ・ Hung-yi Lee ・ 25 分鐘
• Compound AI Systems Optimization: A Survey of Methods, Challenges, and Future Directions影片 ・ 陳縕儂 Vivian NTU MiuLab ・ 36 分鐘（在新分頁開啟原站）
• PureblueAI 鲁扬：把 prompt 当货架空间，把 GEO 当量化交易Podcast ・ AI炼金术 ・ 1 小時 6 分
• Is RL + LLMs enough for AGI? — Sholto Douglas & Trenton BrickenPodcast ・ Dwarkesh Podcast ・ 2 小時 24 分
• 【生成式AI導論 2024】第4講：訓練不了人工智慧？你可以訓練你自己 (中) — 拆解問題與使用工具影片 ・ Hung-yi Lee ・ 47 分鐘