核心结论

研究者提出的方法叫 GEPA-Curator，让 AI 智能体在基线之上最高提升 21.2%（另一基线 20.7%）。它的关键动作很简单：在更新提示词之前，先过滤掉那些会产生不可靠学习信号的任务，并检索之前成功的轨迹，再去做提示词更新。

为什么「失败」也会教坏模型

一个 Agent 失败，原因不止一种：可能是提示词本身弱，但也可能是工具坏了、评判器有噪声、环境随机。很多训练循环把「所有失败」一视同仁地当成有用信息——方便，却会毒化后续更新。如果模型围绕「因测试框架崩溃导致的失败」去改写提示词，它学的是错误的教训。

这点很重要，因为智能体正在进入更长的任务，错误会层层累积，一次糟糕的修订就可能让整体退化。

怎么验证的

对普通人的启发

这背后有个朴素道理：复盘要看质量，不看数量。无论是调 AI 还是带团队，把「偶然因素导致的失败」当成规律去总结，只会越改越错。先分清「真问题」和「噪声」，再动手优化，效率会高得多。

研究结论出自原站报道的论文（GEPA-Curator），具体数据与实验设置以论文原文为准。