论文页面 - 优化器即智能体：跨提示、程序与ML工作流的推理驱动搜索

来源：https://huggingface.co/papers/2608.06714

摘要

近期用于优化提示、程序及ML工作流的系统通常依赖显式的外循环控制器，例如进化搜索、多臂老虎机或文本梯度方法。我们提出了一个根本不同的问题：这种搜索策略在多大程度上可以被单个使用工具的智能体内部化？我们提出ReASearch，一个用于推理驱动优化的统一框架，其中智能体自主决定评估什么、如何诊断失败、进行哪些编辑，以及何时验证或重新开始。智能体不仅充当由手工设计启发式引导的提议生成器，还主动分析结果、分配预算，并通过持久记忆在长时间跨度内精炼其策略。通过共享的智能体循环和领域特定工具，ReASearch使用完全相同的脚手架来优化提示、程序和ML工作流。在14个多样化任务中，它与专门的优化系统相比具有竞争力，且多数情况下表现更好，相较于强领域特定基线取得了2%至40%的提升，在某些情况下还发现了优于先前人类已知最佳结果的解决方案。关键在于，我们观察到通常由显式控制器实现的复杂搜索行为，会从智能体的推理过程中自然涌现。

查看arXiv页面（https://arxiv.org/abs/2608.06714）查看PDF（https://arxiv.org/pdf/2608.06714）添加到收藏夹（https://huggingface.co/login?next=%2Fpapers%2F2608.06714）

在您的智能体中获取此论文：

hf papers read 2608\.06714

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

无模型关联此论文

在模型README.md中引用arxiv.org/abs/2608.06714以将其链接到此页面。

引用此论文的数据集0

无数据集关联此论文

在数据集README.md中引用arxiv.org/abs/2608.06714以将其链接到此页面。

引用此论文的Space0

无Space关联此论文

在Space README.md中引用arxiv.org/abs/2608.06714以将其链接到此页面。

包含此论文的收藏集0

无收藏集包含此论文

将这篇论文添加到收藏集（https://huggingface.co/new-collection）以将其链接到此页面。