知识卡片：GEPA-Curator：面向自我改进智能体的精选学习

一句话结论

GEPA-Curator 通过对任务经验进行“筛选”与“成功轨迹检索”，让反思式提示优化器只从更可靠的经验中学习，在多个智能体基准上相比 GEPA 与 ACE 取得最高 20.7% 与 21.2% 的提升。

事件概述或研究问题

大型语言模型（LLM）越来越多用于需要与复杂环境持续交互的多轮智能体工作负载。现有反思式提示优化器（如 GEPA）从失败的 rollout 中学习，但智能体失败的原因可能来自提示弱点、执行框架（harness）限制、随机执行或噪声评判器，而非任务本身可学习的问题。论文据此提出：这类失败未必提供有用的学习信号，甚至可能有害，因此需要“策展”哪些任务经验被送入提示优化器。

方法/产品要点

GEPA-Curator 是对提示优化器的增强框架，包含两个组件：

• 任务策展（task curation）：过滤掉可能提供噪声或不可靠学习信号的任务。
• 先验成功检索（prior success retrieval）：针对某任务选择性检索过去成功的轨迹，作为额外上下文提供给提示优化器。

评估设置：在 GoBrowse、ALFWorld、AppWorld 与 τ-bench 四个基准上进行，优化器模型分别使用 Gemini 3.1 Pro 和 Claude Opus 5。

主要结果或产业意义

GEPA-Curator 达到或超过两个基线的平均性能，相对 GEPA 提升最高 20.7%，相对 ACE 提升最高 21.2%。这表明在智能体自我改进流程中，“学什么”与“怎么学”同样重要：对经验数据做质量筛选和成功案例注入，可以带来可观的性能增量。

为什么重要

与既有卡片中“先评估、后改进”（AutoSciRub）的思路相呼应，本条从数据侧补充了另一条路径：不是改进评分标准本身，而是在优化前筛掉噪声经验、并显式引入历史成功轨迹。对于构建可自我改进的智能体系统，这提示了一条低成本、可与现有提示优化器叠加的增益手段。

局限与不确定性

• 任务策展的具体过滤准则与实现细节在摘要中未展开，待核实。
• 先验成功检索的检索机制、上下文长度开销未说明，待核实。
• 结果以“达到或超过平均性能”表述，各基准上的逐项表现与方差未在摘要中给出，待核实。
• 仅在四个基准与两个优化器模型上评估，泛化性待核实。

可用于图书/PPT/简报的角度

• “不是所有失败都值得学习”：智能体自我改进中的数据质量问题。
• 反思式提示优化的两个增强杠杆：任务筛选 + 成功轨迹检索。
• 与“先评估后改进”类工作对照，构成“评估侧 vs 数据侧”的改进谱系。

与既有脉络的关系

本条与“在改进前先学会评估——自动科研智能体的评分标准自动归纳”同属“改进前先校准学习信号”的思路，但增量在于：AutoSciRub 侧重自动归纳任务专属评分标准，GEPA-Curator 侧重筛选任务经验并检索历史成功轨迹，二者可视为互补的两个干预点。

原始材料

• 标题：GEPA-Curator: Curated Learning for Self Improving Agents
• arXiv ID：2610.37651v1
• 作者：Zack Yu, Nicholas Lee, Minjae Lee, Lakshya Agarwal, Luca Manolache, Wonjun Kang, Matei Zaharia, Michael W. Mahoney, Kurt Keutzer, Sehoon Kim, Amir Gholami
• 发布：2026-10-27
• 主分类：cs.CL
• 摘要页：https://arxiv.org/abs/2610.37651v1
• PDF：https://arxiv.org/pdf/2610.37651v1
• 关键词：reflective prompt optimization, agentic workloads, task curation, prior success retrieval, self-improving agents