RLPE：用强化学习训练9B模型生成提示词

Singhal、Maamari、Tambwekar 等研究者发布论文（arXiv:2610.19062），提出强化学习提示工程方法 RLPE：训练一个模型分析另一任务模型的执行轨迹，针对观察到的失败模式撰写提示词，并以提示词在任务模型上的性能作为训练信号。 作者称，他们将 RLPE 应用于 Enigmata、BIG-Bench Extra Hard 和 PlanBench 三个基准，训练出的 9B 参数模型所写的提示词在其中 2/3 的基准上优于前沿模型（gpt-5.6-sol 和 claude-opus-5）及提示词优化器 GEPA 和 TextGrad。由于 RLPE 只需对被提示模型的查询访问权限，作者称其也兼容闭源模型。 以上结果为论文作者声称，基于论文信息，尚无独立验证。

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。