论文研究 arXiv cs.CL Mon, 12 Oct 2026 正文 thin 4 words

深度研究 Agent 的反思式提示词优化：用于衡量可迁移增益与提示词级过拟合的主题隔离多种子协议

英文标题：Reflective Prompt Optimization of a Deep-Research Agent: A Topic-Disjoint, Multi-Seed Protocol for Measuring Transferable Gains and Prompt-Level Overfitting

该论文提出针对深度研究 Agent 的反思式提示词优化方法，并设计了主题隔离（topic-disjoint）、多随机种子评测协议，用于衡量优化效果是否能够迁移。论文指出，相比强化学习，提示词优化成本更低，且能产出人类可读的优化结果。摘要强调，在事实型任务中，仅依赖标量奖励的优化可能存在失效模式，尤其需要警惕提示词层面的过拟合。该研究为开发者评估 Agent 提示词优化的真实泛化能力提供了实验协议参考。

打开原文相关 2.4 · 机会 2