中文 用途:GEPA-Curator 是面向自我改进 Agent 的精选学习方案,让多轮任务中的反思式提示优化只从经过筛选的失败轨迹里学习,减少噪声反馈带来的干扰。 能做什么
- 针对多轮 Agent 工作负载,处理需要与复杂环境持续交互的提示优化问题
- 在 GEPA 等反思式提示优化器的基础上,引入对失败轨迹的筛选机制
- 让优化过程只使用经过精选的学习样本,而非全部原始 rollout
- 面向 Agent 的自我改进流程,关注反馈质量对提示迭代的影响
适用场景:适合正在搭建多轮 Agent、并使用反思式提示优化器调优提示的开发者与研究者,需要具备 LLM API 调用条件和轨迹数据。 注意:README 原文不完整,具体筛选策略与实验结论未给出。
日本語 用途:GEPA-Curator は自己改善型 Agent 向けのキュレーション学習手法で、マルチターン作業の反省的プロンプト最適化が選別済みの失敗轨迹だけから学ぶようにするものです。 できること
- 複雑な環境との継続的な対話を要するマルチターン Agent 作業を対象とする
- GEPA などの反省的プロンプト最適化器を土台に、失敗轨迹の選別機構を加える
- 最適化に使う学習サンプルを全 rollout ではなく厳選したものに限定する
- Agent の自己改善ループにおいて、フィードバック品質がプロンプト反復に与える影響を扱う
利用シーン:マルチターン Agent を構築し、反省的プロンプト最適化器でプロンプトを調整する開発者・研究者向け。LLM API の呼び出し環境と轨迹データが必要です。 注意:README 原文が途中で切れており、選別戦略と実験結果は不明です。
한국어 용도:GEPA-Curator는 자기 개선형 Agent를 위한 선별 학습 방식으로, 멀티턴 작업의 반성적 프롬프트 최적화가 선별된 실패 궤적에서만 학습하도록 만드는 내용입니다. 할 수 있는 것
- 복잡한 환경과 지속적으로 상호작용해야 하는 멀티턴 Agent 작업을 대상으로 함
- GEPA 같은 반성적 프롬프트 최적화기를 기반으로 실패 궤적 선별 메커니즘을 추가
- 최적화에 쓰는 학습 샘플을 전체 rollout이 아닌 선별된 것으로 제한
- Agent 자기 개선 과정에서 피드백 품질이 프롬프트 반복에 미치는 영향을 다룸
적용 상황:멀티턴 Agent를 구축하고 반성적 프롬프트 최적화기로 프롬프트를 조정하는 개발자와 연구자에게 적합합니다. LLM API 호출 환경과 궤적 데이터가 필요합니다. 주의:README 원문이 중간에 끊겨 있어 선별 전략과 실험 결과는 확인할 수 없습니다.
English What it is:GEPA-Curator is a curated learning approach for self-improving agents, making reflective prompt optimization in multi-turn tasks learn only from filtered failure trajectories. Key capabilities
- Targets multi-turn agentic workloads that require sustained interaction with complex environments
- Builds on reflective prompt optimizers such as GEPA and adds a filtering step for failure trajectories
- Restricts optimization to curated learning samples instead of the full set of raw rollouts
- Addresses how feedback quality affects prompt iteration inside an agent self-improvement loop
Who it is for:Developers and researchers building multi-turn agents and tuning prompts with reflective optimizers; requires LLM API access and trajectory data. Caveats:The README text is truncated, so the filtering strategy and results are not stated.