一句话看懂：alphaXiv 在 2026 年 10 月 27 日收录的论文提出 GEPA-Curator，在提示词优化器外增加“任务筛选”和“历史成功轨迹检索”两层机制，在部分智能体基准上相对 GEPA 最高提升 20.7%。它值得关注，是因为它指出智能体失败并不都是提示词的问题，盲目拿失败样本训练反而可能跑偏。
事件核心：发生了什么
现有 GEPA 等反思式提示词优化器依靠执行轨迹改提示词，但智能体任务失败的原因可能是工具限制、环境波动或评测噪声，不一定是提示词本身。GEPA-Curator 在优化器外增加任务历史：对反复成功、明显受外部限制或评估不一致的任务暂时跳过，下个周期再重新考虑；某次失败时，从同一任务的历史中调取一条可信的成功轨迹作为参照。两项操作在一次筛选调用中完成，优化器本身不变。作者在 GoBrowse、ALFWorld、AppWorld 和 τ-bench 上，用 Gemini 3.1 Pro 与 Claude Opus 5 作优化器模型评测，称均值表现持平或超过 GEPA 与 ACE，相对 GEPA 最高提升 20.7%，相对 ACE 最高提升 21.2%。以上信息来自论文摘要与页面介绍，并非已上线产品。
为什么重要
提示词优化正在从“改文字”转向“管数据”。如果失败样本本身不可靠，反思就越改越错。GEPA-Curator 把“哪些任务值得学”作为独立一层，沿用了 ACE 等工作中“经验筛选”的思路。目前公开信息显示，它仍是学术方案，未涉及大规模商业部署，因此短期内未必改变工具格局；但它提醒开发者，智能体自我改进的效果强依赖评测与任务分布设计。
对用户/开发者/创作者的影响
对开发者，这类框架意味着接入提示词优化前应先检查评测是否稳定，避免把环境噪声当作提示词缺陷。对使用智能体 API 的产品团队，任务筛选逻辑可降低无效重试和调用成本，但需自行实现任务历史管理。创作者若用大模型批量跑多步任务，更应保留成功轨迹作为参考，而非只盯着失败重写指令。论文未提供可直接调用的 API 或开源实现，落地成本尚不明确。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是作者是否公开代码或集成到现有智能体框架；二是“跳过任务”的判定阈值在真实业务分布下是否稳健；三是后续工作能否给出留出集上的完整结果，而不只是摘要中的均值对比。这些将决定它从论文方法变成工程实践的速度。
来源：alphaXiv
