SEPO：通过结构化编辑实现基于证据的提示词优化

现有的仅 API 提示优化器通常被描述为可解释的，但实际上，这通常意味着仅事后可检查性：每次迭代仍然将提示重写为一个不透明字符串，留下完整提示差异的痕迹，而不是可本地化的、机器可读的编辑。本文介绍了 SEPO（结构性、基于证据的提示优化），这是一种以编辑效果谱系反馈为中心的多轨迹提示优化器。 SEPO 不是将每次迭代视为孤立的整体提示重写，而是在两层提示模式中本地编辑稳定的类型化单元，将每次编辑的目标和实现的结构操作链接到它新修复或破坏的示例，并向前传递此编辑效果记录以指导后续架构师对同一搜索分支的调用。这使得即时优化变得可寻址、可归因且可操作。在 14 个任务保留套件中，SEPO 在 Llama-3.1-8B-Instruct 上比最强基线 GEPA 提高了 3.1 pp，在 Qwen3-8B 上提高了 2.2 pp，达到 61.9% 和 73.3% 的宏观准确度。 SEPO 还位于优化时间和测试时间 Pareto 边界上，花费了 290 万个优化token，而 GEPA 花费了 410 万个token，生成的提示时间缩短了 5 倍以上。