普渡大学提出 NPO 提示词优化算法：单条谱系加教师反馈匹敌复杂树搜索

普渡大学研究团队提出了轻量级提示词优化算法 NPO，探索以单条谱系迭代替代高复杂度的搜索树机制。

• 根据 arXiv 预印本论文（2026-08-30）与技术博主 Rohan Paul（2026-09-02）的解读，Naive Prompt Optimization（NPO）仅维护单条提示词谱系，由能力更强的教师模型基于近期采样轨迹和奖励反馈进行迭代修改。
• 实验结果表明，在 IFBench 与 HotpotQA 基准测试中，NPO 分别以 3500 次和 6800 次采样达到了与维护多候选集和帕累托选择的 GEPA 算法相当或更优的表现（GEPA 分别需 3593 次与 6871 次）。
• 研究指出，当选用 DeepSeek-V4-Flash 或 GPT-5.5 等更强推理能力的教师模型时，NPO 的优化优势更为明显，且优化后的提示词在同系列学生模型间具有良好的迁移通用性。
• 影响/看点：该算法表明增强教师模型的推理反馈质量可在一定程度上替代复杂的优化器搜索算法，有助于降低大模型自动化提示词优化的算力消耗与工程复杂度。
• 资料依据：
• arXiv（2026-08-30）：https://arxiv.org/abs/2608.27266
• X：Rohan Paul（2026-09-02）：https://x.com/rohanpaul_ai/status/2095165558761324957

本内容由 AI 生成，仅供参考，请注意甄别