RLMOpt：借助递归语言模型的自适应提示词优化

提示词优化器自动搜索能提升语言模型性能的提示词，但现有方法依赖预定义的优化流程：算法决定探索哪些候选以及搜索如何推进，而语言模型只负责生成或改写提示词提案。我们提出RLMOpt，一种通过递归语言模型（RLM）让搜索策略本身由语言模型驱动的提示词优化器。RLM智能体在基于工具的环境中运行，检查任务信息、分析失败、生成候选、分配评估预算并决定何时停止。一个确定性框架（harness）对智能体形成补充，强制执行客观评分、基于Pareto的选择和回归约束。我们在四个基准上评估RLMOpt：结构化临床信息抽取（Chia）、多跳问答（HotpotQA）、可验证指令遵循（IFBench-2025）和多轮工具调用智能体（BFCL）。在单种子下的对等比较中，RLMOpt在全部四个基准上取得最佳保留集分数，并在四任务均值上领先（0.610对GEPA的0.589）。跨种子重复每个基准得到11组对等的基准-种子比较，其中RLMOpt在9例中胜过GEPA。在全部11次运行中，它从未产生低于其种子的提示词，而GEPA有两次跌破起点。它也更高效，以更少的搜索rollout取得这些结果，且产生的提示词大小仅为GEPA的27-79%。我们的结果进一步表明，优化收益主要由种子提示词中的可用提升空间决定，而非搜索预算。因此，高效优化依赖于以最小搜索可靠地达到可用提升空间。