GEPA: Sprachbasierte Reflexion übertrifft Reinforcement Learning bei der KI-Prompt-Optimierung
2025-07-31
Forscher stellen GEPA vor, einen neuartigen Algorithmus zur Optimierung von Prompts in komplexen KI-Systemen. Im Gegensatz zum traditionellen Reinforcement Learning (RL) verwendet GEPA einen sprachgesteuerten evolutionären Ansatz. Ein LLM analysiert seine eigene Leistung – Reasoning, Tool-Verwendung und Feedback – um Fehler zu identifizieren und zu beheben. GEPA übertrifft RL-Methoden deutlich und benötigt deutlich weniger Systemausführungen, während gleichzeitig bessere Ergebnisse in verschiedenen Aufgaben erzielt werden. Dies unterstreicht das Potenzial sprachbasierter Selbstreflexion für eine effiziente KI-Optimierung.
Mehr lesen
KI