论文arxiv cs.CL · 2w ago重要
SPEAR: Code-Augmented Agentic Prompt Optimization
分类释义：学术论文 / 技术报告
TL;DR
SPEAR 是一个代码增强的自主提示优化器，通过 Python 沙箱让优化 Agent 直接写代码分析错误分布，在工业 LLM-as-Judge 任务和 BBH-7 上均显著超越 GEPA 和 TextGrad 等基线。
关键要点
- 01SPEAR 是一个代码增强的自主提示优化器。
- 02通过 Python 沙箱让优化 Agent 直接写代码分析错误分布。
- 03在工业 LLM-as-Judge 任务和 BBH-7 上均显著超越 GEPA 和 TextGrad 等基线。
为什么值得关注
提示优化 Agent 以前只能读日志，现在能写 Python 做结构化错误分析（如类对混淆矩阵聚合），这让「让模型自己诊断自己」成为可复用的工程模式——产品可借鉴：构建一个带沙箱的评测 Agent，让它自动分析评测结果并迭代改进 prompt。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7缓存命中
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 评估团队是否需要引入代码执行沙箱 + LLM 组合的评测闭环，作为提示优化的基础设施储备 |
| 应用工程师 | 构建评测流程时考虑让 Agent 直接写 Python 分析错误，而非仅依赖手工日志阅读 |
| 运维 / 平台 | 搭建沙箱环境供 LLM 执行代码，分析代码注入风险后评估是否纳入评测 Pipeline |
| 产品 / 业务 | 暂无直接影响，了解即可 |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5