arXiv cs.CL、言語モデルのプロンプト最適化で転送性評価の新手法提示
学術リポジトリarXiv cs.CLは2026年10月8日(現地時間)、Elias Lumer氏らが執筆した言語モデルエージェントのプロンプト最適化に関する研究結果を公開した。同研究は、転送可能な性能向上を測定するための「topic-disjoint split (トピック分離分割)」プロトコルを提案し、プロンプトレベルでの過学習という課題に取り組んでいる。
Tag
#GEPA
3 件の関連記事
ESPOがプロンプト最適化で精度向上、プロンプト長を47%短縮
Lihao Liu氏らは2026年9月3日(現地時間)、arXiv cs.CLで、プロンプト最適化手法「ESPO (Error-Structured Prompt Optimization)」に関する研究論文を発表した。既存手法であるGEPAなどが抱えるプロンプトの肥大化と精度停滞の問題を指摘し、これを解決する新たなフレームワークを提案。7つの公開NLPベンチマークにおいて、平均精度を既存手法より3.76パーセントポイント向上させるとともに、プロンプト長を47パーセント短縮することに成功した。
エージェント最適化手法の継続学習評価、RELAI-VCLが持続的改善示す
Wenxiao Wang 氏らは2026年7月15日(現地時間)、エージェント最適化手法の継続的な性能向上に関する評価を発表した。arXiv cs.AIで公開された研究論文によると、Wenxiao Wang 氏らがTerminal-Bench 2.0を用いて3つの最適化手法を比較した結果、RELAI’s Verifiable Continual Learning (RELAI-VCL) のみが、新たなタスクの導入後も性能を継続的に向上させることが示された。