arXiv · AI· Lunjun Zhang, Ryan Chen, Bradly C. Stadie·· 8 小时前AI 评分40
Evolutionary System Prompt Learning 如何让 LLM 强化学习同时更新权重与提示词
Evolutionary System Prompt Learning for Reinforcement Learning in LLMs
AI 导读
研究人员提出 Evolutionary System Prompt Learning (E-SPL)，在每次强化学习迭代中并行采样多个系统提示词，同步更新模型权重与上下文。 该联合方法在 AIME 易到难泛化测试中将强化学习成功率从 38.8% 提升至 45.1%，同时在 AIME 2025 和智能体搜索任务上均优于仅用强化学习或仅用进化的基线。代码已开源，论文入选 NeurIPS 2026。
来源：arXiv · AI · arxiv.org