arXiv · cs.AI· Haoyue Liu, Zhichao Wang, Huanyu Yan, Xiaoying Tang·· 1 天前
BudgetAPO：如何在紧预算下进行提示词优化？
How Should a Prompt Optimizer Spend a Tight Budget? BudgetAPO with Noise-Adaptive Evaluation
arXiv:2610.05671v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Haoyue Liu, Zhichao Wang, Huanyu Yan, Xiaoying Tang
研究任务与主要进展
BudgetAPO是一种面向紧预算提示词优化的单阶段方法，通过短探测估计任务噪声、自适应调整评测切片，并将每次接受或拒绝改为成对比较，同时联合重写推理策略和输出格式。基于论文摘要，作者报告该方法在七个基准和五个被试模型上均排名第一，并在250次调用时仅13%的运行返回种子提示，而GEPA为86%；在GPT-OSS-20B上，GEPA需要5倍调用次数才能匹配BudgetAPO的100次调用得分。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org