RFDPO：用题目级反馈分析提示优化中的结果变动

Chinmoy Mitra和Tarek Mahmud发布论文（arXiv:2610.19084），提出RFDPO（Reflective Feedback-Driven Prompt Optimization），用题目级反馈追踪提示优化中的恢复（错变对）、退步（对变错）和churn（所有结果变动）。实验覆盖法律、知识、指令遵循、数学和隐私五个基准，用GPT-5作优化器，GPT-4o-mini和GPT-4.1 Mini作求解器。 结果显示：九种配置中有五种churn至少是绝对净变化的五倍，说明提示优化带来的净提升下隐藏大量结果翻转；平均验证集增益7.9个百分点，但held-out测试仅5.2个百分点。在LegalBench-Hearsay的对照消融中，使用题目级反馈使churn降低40%（p=0.024），同时保持相近净增益，作者据此认为逐题反馈有助于减少退步。 该工作基于论文摘要，结论尚未见独立复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。