Microsoft 的编码代理技能蒸馏在快速优化方面击败了 GEPA
核心要点
- 微软的一篇新论文称，与领先的调优工具相比，读取已保存日志的编码代理可以编写更好的系统提示，每次只需约 1.60 美元 在 2026 年 9 月 23 日发表的一篇题为“编码代理是强提示优化器”的论文中，微软研究人员介绍了编码代理技能蒸馏（CASD）。
- 根据该论文，CASD 比验证门控迭代方法便宜 22
微软的一篇新论文称，与领先的调优工具相比，读取已保存日志的编码代理可以编写更好的系统提示，每次只需约 1.60 美元
在 2026 年 9 月 23 日发表的一篇题为“编码代理是强提示优化器”的论文中，微软研究人员介绍了编码代理技能蒸馏（CASD）。该方法直接从保存的代理日志的静态堆中写入改进的系统提示，每次运行的费用约为 1.60 美元。
这个价格很重要，因为竞争并不便宜。根据该论文，CASD 比验证门控迭代方法便宜 22 倍以上，验证门迭代方法是一种试错方法，已成为调整代理提示的标准方法。
CASD 的运作方式以及评分方式
CASD 不需要迭代搜索，不需要与环境进行实时交互，也不需要保留验证集。
相反，编码代理会接收整个已保存轨迹的语料库，这些轨迹记录了代理在过去的任务中所做的事情。它运行单一语料库范围的统计分析，提取汇总统计数据、重复出现的故障模式和代表性事件。根据该分析，它提炼出行为规则并将其写入优化的提示中。
研究人员将此定义为读取整个语料库而不是小批量。迭代优化器通常一次查看数据切片，这使得发现仅在多个片段中出现的模式变得更加困难。
总体结果是，与未优化的基准相比，平均提高了 +16.6 个百分点。 CASD 还在其指标中击败了 SkillOpt 风格的验证门控反射搜索。
与 GEPA（一种广泛使用的反射提示优化器）相比，CASD 在四个代理基准测试中的三个上获胜：
人工智能、科技及其所推动的市场——每日简报。日常的。自由的。加入加密货币、金融和政策领域 34,000 多名读者的行列。电子邮件地址 免费订阅 我们尊重您的隐私。随时取消订阅。
ALFWorld：CASD 83.3 与 GEPA 74.0
CASD 83.3 与 GEPA 74.0 τ² 基准零售：CASD 40.0 与 GEPA 39.2
CASD 40.0 与 GEPA 39.2 τ²-基准电信：CASD 39.2 与 GEPA 17.5
CASD 39.2 与 GEPA 17.5 SpreadsheetBench 验证：CASD 51.3 与 GEPA 60.7
该论文还表示，即使竞争对手拥有额外的验证数据和不受限制的环境访问权限，CASD 仍然保持着相对于竞争对手方法的领先地位。
为什么 GEPA 是重要的基准
该研究称 GEPA 已被 Databricks、Shopify、Dropbox 和 OpenAI 等公司广泛采用，并认为它在开源工作中取得了巨大进展。
该论文来自 Microsoft 研究人员 Agamdeep Singh、Srishti Gautam、Priyanshu Gupta、Nikita Mehrotra、Tanmay Bakshi 和 Sumit Gulwani。它建立在名为 SkillOpt 的相关 Microsoft 工作之上，该工作将代理技能视为可训练的文本参数，并在 2026 年 6 月发表的一篇论文中引入。
SkillOpt 代表了验证门控、迭代的思想流派。 CASD 实际上是微软辩称，在许多情况下，其早期的方法是不必要的工作。
这对团队建设代理意味着什么
如果一次大约 1.60 美元的分析通过可以匹配或击败大多数测试任务的迭代优化，那么昂贵的调优循环就更难实现。
不再需要保留验证数据，从而消除了重大的准备负担。跳过实时环境交互也可以降低风险，因为针对真实系统测试提示的迭代优化器可以在代理处理客户帐户或生产工具时触发实际操作。
SpreadsheetBench 验证结果显示，GEPA 领先 9.4 分，这表明反思性迭代优化器仍然可以在某些结构化任务上获胜。该方法还取决于所保存轨迹的质量，因此充满狭窄或不具代表性的片段的语料库可能会产生不具有概括性的规则。