arXiv提出RLPE强化学习优化提示词方法

发生了什么

据arXiv cs.AI论文报道，研究者提出RLPE（强化学习提示工程），训练模型分析任务模型痕迹并生成针对性提示词。该方法仅在提示词性能上奖励模型，生成的提示词可重复使用，无需推理时额外开销，且兼容闭源模型。在Enigmata、BIG-Bench Extra Hard和PlanBench基准测试中，训练的9B参数模型在2/3基准上优于gpt-5.6-sol、claude-opus-5及GEPA等前沿模型。