# 反思式提示演化

临床脑电图判读要覆盖整段记录的技术质量、背景与睡眠状态、发作间期和发作期异常，再写成报告，单靠事件检测不够。ERIA让一个本地部署的27B语言模型控制器调用确定性的信号分析、学习型临床模型和本地知识检索工具，控制器权重、工具与安全约束都固定，只用GEPA依据专家报告反馈改写自然语言分析策略。在200份配对临床脑电图中，受保护测试集的医师对齐报告评分从0.5052升到0.6024，且该策略在CerebraGloss-Bench与BrainBench基础分析上仍有表现。

临床脑电图判读要覆盖整段记录的技术质量、背景与睡眠状态、发作间期和发作期异常，再写成报告，单靠事件检测不够。ERIA让一个本地部署的27B语言模型控制器调用确定性的信号分析、学习型临床模型和本地知识检索工具，控制器权重、工具与安全约束都固定，只用GEPA依据专家报告反馈改写自然语言分析策略。在200份配对临床脑电图中，受保护测试集的医师对齐报告评分从0.5052升到0.6024，且该策略在CerebraGloss-Bench与BrainBench基础分析上仍有表现。

反思式提示词进化被用来改写多智能体深度研究智能体的两个系统提示词，在训练、验证、测试主题完全不重叠的划分下，500个留出任务上的引用奖励从0.702升到0.781，提升0.079，三个随机种子均复现。获胜提示词按词数近一半是抄进提示词的训练答案，但对照实验显示这些内容即使在那24道原题上也拿不到奖励，验证集与留出集之间的差距更符合小样本选择加噪声评判，而不是记忆。逐维度分解的文本反馈是增益能迁移的关键，把奖励压成单一标量后留出迁移转为负值。

反思式提示词进化被用来改写多智能体深度研究智能体的两个系统提示词，在训练、验证、测试主题完全不重叠的划分下，500个留出任务上的引用奖励从0.702升到0.781，提升0.079，三个随机种子均复现。获胜提示词按词数近一半是抄进提示词的训练答案，但对照实验显示这些内容即使在那24道原题上也拿不到奖励，验证集与留出集之间的差距更符合小样本选择加噪声评判，而不是记忆。逐维度分解的文本反馈是增益能迁移的关键，把奖励压成单一标量后留出迁移转为负值。