arXiv · Computation and Language· Sangdo Han, Moonsoo Kim·· 3 hr agoAI score51
预注册研究：提示词优化器会破坏未被评分的输出要求吗
Do Prompt Optimizers Break Requirements They Are Not Scored On? A Preregistered Study
AI brief
预注册研究用 GEPA、MIPROv2 和 TextGrad 在 HotpotQA、SQuAD 2.0 和 IFEval 上检测未被目标指标评分的输出要求，发现三者都出现回退，HotpotQA 上引用有效性净回退 10.7 至 41.6 分，而 exact match 上升 21 至 34 分。
Source: arXiv · Computation and Language · arxiv.org