GEPA : La réflexion linguistique surpasse l’apprentissage par renforcement pour l’optimisation des invites d’IA

Des chercheurs présentent GEPA, un nouvel algorithme pour optimiser les invites dans les systèmes d’IA complexes. Contrairement à l’apprentissage par renforcement (RL) traditionnel, GEPA utilise une approche évolutive basée sur le langage. Un LLM analyse ses propres performances — raisonnement, utilisation d’outils et retours — pour identifier et corriger les erreurs. GEPA surpasse significativement les méthodes RL, utilisant beaucoup moins d’exécutions du système tout en obtenant de meilleurs résultats sur diverses tâches. Cela souligne le potentiel de l’autoréflexion basée sur le langage pour une optimisation IA efficace.