GEPA-Curator: Curated Learning for Self Improving Agents

📄 arXiv: 2610.37651v1 📥 PDF

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

分类: cs.CL

发布日期: 2026-10-27

💡 一句话要点

提出GEPA-Curator以优化自我改进智能体的学习任务选择

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 自我改进智能体 任务策划 成功回溯 学习信号优化 多轮交互 智能体学习

📋 核心要点

  1. 现有的提示优化方法在处理智能体失败时，往往无法有效区分失败原因，导致学习信号的噪声和不可靠性。
  2. GEPA-Curator通过任务策划和成功回溯两个模块，优化了提示优化器的学习任务选择，提升了学习效率。
  3. 实验结果表明，GEPA-Curator在多个基准任务上均表现优异，性能提升显著，验证了其有效性。

📝 摘要（中文）

大型语言模型（LLMs）在需要与复杂环境持续互动的多轮任务中被广泛应用。现有的反思提示优化器如GEPA从失败的回合中学习，但智能体的失败也可能源于提示的弱点、执行的随机性或评估的噪声。我们认为这些失败可能不会提供有用的学习信号，甚至可能有害，因此必须策划提供给提示优化器的任务以提升性能。我们提出了GEPA-Curator框架，增强了提示优化器的能力，选择哪些智能体经验应影响提示优化。GEPA-Curator包括两个组件：任务策划，过滤掉可能提供噪声或不可靠学习信号的任务；成功回溯，选择性检索过去成功的轨迹并作为额外上下文提供给提示优化器。我们在GoBrowse、ALFWorld、AppWorld和$τ$-bench上评估了GEPA-Curator，使用Gemini 3.1 Pro和Claude Opus 5作为优化模型。GEPA-Curator的性能与两个基线相匹配或超越，较GEPA提升高达20.7%，较ACE提升21.2%。

🔬 方法详解

问题定义：本论文旨在解决现有提示优化器在面对智能体失败时，无法有效筛选出有用学习信号的问题。现有方法如GEPA可能受到噪声和不可靠信号的影响，导致学习效果不佳。

核心思路：GEPA-Curator的核心思路是通过策划任务和回溯成功经验，优化提示优化器的学习过程。通过选择性地过滤任务和提供成功轨迹，提升学习信号的质量。

技术框架：GEPA-Curator框架主要由两个模块组成：任务策划模块负责过滤掉不可靠的任务，成功回溯模块则从历史成功案例中检索相关轨迹，为优化器提供上下文信息。

关键创新：GEPA-Curator的创新在于引入了任务策划和成功回溯机制，这与传统方法不同，后者通常依赖于所有回合的结果，而不考虑任务的质量和历史成功经验的利用。

关键设计：在设计中，任务策划模块使用特定的标准来评估任务的可靠性，而成功回溯模块则通过检索算法选择与当前任务相关的成功轨迹，确保优化器获得高质量的学习信号。具体的参数设置和网络结构细节在论文中进行了详细描述。

🖼️ 关键图片

fig_0

📊 实验亮点

GEPA-Curator在多个基准任务上表现优异，较GEPA提升高达20.7%，较ACE提升21.2%。这些结果表明，优化学习任务选择能够显著提高智能体的性能，验证了该框架的有效性。

🎯 应用场景

GEPA-Curator的研究成果在智能体学习和多轮交互任务中具有广泛的应用潜力。其优化的学习任务选择机制可以提升智能体在复杂环境中的表现，适用于机器人、自动驾驶、智能客服等领域，未来可能推动智能体技术的进一步发展与应用。

📄 摘要（原文）

Large Language Models (LLMs) are increasingly used in multi-turn agentic workloads that require sustained interaction with complex environments. Existing reflective prompt optimizers such as GEPA learn from failed rollouts, but agentic failures can also come from prompt weaknesses, harness limitations, stochastic execution, or noisy judges. We argue that such failures may not provide useful learning signal, and may even be harmful; and thus it is essential to curate which tasks are provided to the prompt optimizer for better performance. We introduce GEPA-Curator, a framework that augments the prompt optimizer to select which agent experiences should shape prompt optimization. In particular, GEPA-Curator consists of two components: task curation, which filters out tasks that are likely to provide noisy or unreliable learning signals, and prior success retrieval, which selectively retrieves past successful trajectories for a task and provides them as additional context to the prompt optimizer. We evaluate GEPA-Curator on GoBrowse, ALFWorld, AppWorld, and $τ$-bench, using both Gemini 3.1 Pro and Claude Opus 5 as optimizer models. GEPA-Curator matches or exceeds the mean performance of both baselines, with gains of up to 20.7% over GEPA and 21.2% over ACE.