柏克萊提出 GEPA 方法：免更新權重優化 AI 提示詞，訓練成本大幅降低 35 倍

加州大學柏克萊分校研究團隊提出 GEPA，改以最佳化提示詞讓 AI 掌握新任務，不必微調模型權重。此路徑可降低大型語言模型訓練所需的運算資源與成本，並為傳統強化學習以外提供更輕量、易部署的替代方案。

GEPA 已獲 ICLR 2026 接收為 Oral 論文。研究團隊讓「反思 LLM」讀取訓練紀錄、分析錯誤並反覆重寫提示詞；實驗顯示，其任務表現優於傳統強化學習方法，所需訓練成本僅約為後者的 1/35，亦即降低約 35 倍。