微軟論文報告 CASD 提示詞優化平均提升 16.6 分

DAIR.AI 介紹了一篇微軟論文，探討以編程智能體作為提示詞優化器。其方法 CASD 把完整的智能體日誌交給現成的編程智能體，由它編寫分析程式，而不是對小批量軌跡反覆執行搜尋循環。該智能體會計算整個軌跡語料庫的統計數據，找出反覆出現的失敗模式，閱讀具代表性的片段，再把這些發現寫成單一提示詞中的規則。它不需要環境存取，也不需要驗證數據。

在 ALFWorld、tau2-bench 零售與電信，以及 Spreadsheet Bench-Verified 上，一次 CASD 處理令未經優化的基線平均提升 16.6 分。GEPA 提升 10.9 分，SkillOpt 提升 5.3 分。每個優化後的提示詞成本約 1.60 美元，比以驗證為門檻的搜尋便宜逾 22 倍。