比比皆是的下一個創新點：Prompt Learning進化到SIPDO閉環自進化

Prompt 作為一種接口，直接影響 LLM 與 agent system 的行為方式與性能表現。對 prompts 的理解與控制，本質上決定了系統能力能夠被釋放到什么程度。Prompt learning 的出現，使這一過程從經驗驅動走向可系統研究，也逐步形成了一條清晰的發展脈絡。回顧這一路徑，本身就足以幫助我們理解 prompt learning 是如何一步步被構建出來的。

但更重要的是，當這條路徑被真正看清之后，另一件事情會變得異常明確：prompt learning 并不是終點，而是第一次把一個巨大而長期被遮蔽的創新源頭暴露出來。一旦 prompt 不再被視為靜態對象，而被納入一個能夠評估、修正、重寫并持續演化的閉環之中，研究不再圍繞 “技巧是否有效”，而開始圍繞系統如何生長展開。而這種系統性的展開，將會自然地帶來數之不盡的創新點（詳見本文第 5 節）。SIPDO（ICLR 2026）正是在這一時刻作為一個例子出現的 —— 它不是對既有工作的修補，而是把 prompt learning 打開成一片可以不斷生成新問題、新機制、新方法的連續創新地帶。

LLM 在不同任務里表現強逐漸增強，但一個長期存在的問題是：prompt 的微小改動可能帶來顯著性能波動；更麻煩的是，task 會持續變化，新問題、edge cases、甚至 adversarial queries 不斷出現，導致固定數據集上最優的 prompt 在真實環境里變脆、甚至出現類似 catastrophic forgetting 的退化。

這篇文章想回答三個問題：

• prompt optimization 這幾年到底在怎么 “進化”？— 01-04 章節
• 這種進化能夠推進哪些創新點供大家使用 — 05 章節
• 以 SIPDO（ICLR 2026）為例子，闡釋 SIPDO 在這條進化鏈上解決了什么關鍵瓶頸？— 06 章節

• 博客鏈接: https://dream.ischool.illinois.edu/blogs/evolution_of_prompt_optimization.html
• 論文鏈接: https://arxiv.org/pdf/2505.19514

01｜一張關鍵地圖：Prompt Optimization 的演化，幾乎復刻了 Parameter Learning 的歷史

DREAM Lab 總結的 Key Insight：prompt optimization 的演化路徑，鏡像了神經網絡參數訓練（parameter learning）的歷史—— 從早期的 “黑盒擾動 + 選擇”（genetic/evolutionary），到更有方向感的更新（類梯度），再到 Beyond First-Order 的優化（利用歷史信息、閉環反饋、加速收斂與跳出局部最優）。

Figure 1 把兩條脈絡并排對照：

Parameter Learning：1980s Genetic Algorithms → 1990s SGD → 2000s Adam/Advanced optimizers

Prompt Learning：2022 Genetic approaches → 2023 Textual gradients → 2024 Advanced methods

02｜Phase 1：從進化搜索開始 —— 在離散文本空間里先學會探索

Prompt 是離散文本，很難像參數那樣直接寫 where p is prompt 。DREAM Lab 的 Blog 里提到，早期方法很自然地走向進化式探索：維護一群候選 prompts、評估效果、保留好的、再 mutation/crossover 生成新候選。

2.1 GPS (Xu et al., 2022)：Genetic Prompt Search

• Population：候選 prompt 集合
• Fitness：驗證集表現
• Selection：保留 top-K
• Mutation：回譯、隨機編輯、或用 LLM 生成變體
• Crossover：組合不同 prompt 的片段，并且報告了相對人工 baseline 的提升

2.2 Survival of the Safest (SoS) (Sinha et al., 2024)：多目標進化（性能 × 安全）

SoS 的關鍵是：不只追 performance，還把 security 一起做 Pareto 權衡，并用 semantic mutations 保持 prompt 可讀與語義一致。

2.3 EvoPrompt (Guo et al., 2024)：讓 LLM 當智能 mutation operator

DREAM Lab Blog 提到 EvoPrompt：變異不再是隨機擾動，而是由 LLM 生成語義上合理、質量更高的變體 —— 進化框架仍在，但 mutation 變得更聰明。在沒有可微梯度的離散空間里，先把探索能力搭起來；缺點是成本高、迭代方向感弱。

03｜Phase 2：“Textual Gradients” 出現 —— 像 SGD 一樣有方向地改 prompt

DREAM Lab Blog 中，把 2023 年 之后的變化稱為 prompt optimization 的 “gradient revolution”：雖然不能真的對文本求導，但可以用自然語言反饋來扮演 “梯度方向”。

3.1 ProTeGi (Pryzant et al., 2023)：用批評當做梯度，用 beam search 保持候選

跑一批樣本 → 讓 LLM 生成對 prompt 的批評（textual gradient）→ 按批評方向改寫 prompt → beam search 保留多個候選并擇優。并在文中提到可帶來顯著提升。

3.2 TextGrad (Yuksekgonul et al., 2024)：把文本反饋系統化成類似 autodiff 的框架

TextGrad 的野心更大：把多模塊 LLM 系統當作 computation graph，通過文本形式的反向傳播把反饋傳回去優化 prompt / 模塊接口，并提供類似 PyTorch 的 API 體驗。

04｜Phase 3：Beyond First-Order—— 引入歷史信息和閉環反饋，讓 prompt 真正自適應

在參數優化里，SGD 之后有 momentum/Adam/ 二階方法來利用歷史信息、調節步長、跳出局部最優。DREAM Lab Blog 中強調了 prompt optimization 也進入了類似階段，并用兩個代表說明：

4.1 REVOLVE (Zhang et al., 2024)：跟蹤 response evolution，類似動量 / 二階的歷史信號

一階方法只用當前迭代的即時反饋；REVOLVE 會利用輸出在多輪迭代中的演化軌跡來判斷停滯、調整更新幅度，并報告更快收斂與更高收益。

4.2 SIPDO (Yu et al., 2025)：用 Synthetic Data 主動找難錯題，把 prompt optimization 變成 closed-loop

SIPDO 的定位非常明確：它在 Beyond First-Order 階段引入了一個更強的信號源 —不是只在固定數據集上被動優化，而是生成 synthetic data 主動 probe 當前 prompt 的弱點，形成閉環，并配合 difficulty progression（逐級加難）。

05 | 從 Parameter Learning 到 Prompt Optimization, 比比皆是的下一個創新點

看到這里，其實一條非常清晰的邏輯已經浮現出來：prompt optimization 正在重復 parameter learning 早期走過的那條演化路徑。參數訓練并不是一開始就具備今天這些成熟的優化方法，而是經歷了從啟發式搜索，到一階梯度更新，再到系統性引入歷史信息、穩定性控制與閉環反饋的長期演進過程。正是這條路徑，在數十年的積累中不斷分叉，持續催生出新的方法、新的系統設計與新的研究問題。

Prompt optimization 正處在一個高度相似、但時間尺度被大幅壓縮的階段。今天我們已經看到了類梯度更新、歷史反饋、difficulty control、closed-loop signals 等關鍵要素逐步出現，但這并不是終點，而恰恰意味著這條路線剛剛被真正打開。在 parameter learning 中被反復驗證有效的思想 —— 更穩定的更新策略、更高信息密度的反饋信號、更魯棒的回歸控制、更系統的訓練流程 —— 都有極大的可能在 prompt optimization 中以新的形式重新成立，并形成一系列尚未被系統覆蓋的研究切口。

在這個背景下，創新并不需要憑空構造。它更多來自于把已經成熟的優化思想，真正落到 prompt optimization 的具體機制里。也正是在這里，實踐路徑變得非常直接、也非常具體：

• 大家可以在這里找到 code base：https://github.com/Peiyance/REVOLVE
• 然后把在 gradient descent 中已經被驗證有效的升級版本實現出來，在現有的 benchmark 上與這些方法系統性地做對比。
• 當更高級的優化策略帶來穩定、可復現的性能提升時，它自然就構成了一篇新的 paper。

這并不是 “照搬參數優化”，而是一次重新生長的過程。SIPDO 正是在這樣的背景下出現的：它不是對 gradient descent 的簡單延伸，而是從 synthetic feedback 與 adversarial-style probing 的角度，把 prompt optimization 推進到真正的閉環階段。從一階更新走向 difficulty-driven 的自適應演化，本身就標志著 prompt optimization 開始具備長期擴展的系統結構。

因此，這里所謂 “比比皆是的下一個創新點”，并不是一句修辭，而是一個已經被歷史反復驗證過的事實：當一條優化路徑被真正走通之后，后續的創新會沿著這條路徑不斷自然生長。Parameter learning 用幾十年證明了這一點；而 prompt optimization，才剛剛進入它最有生命力的階段。

06｜SIPDO 核心：兩類 agent 協作 + 難度遞進 + 失敗驅動的 prompt 修復閉環

Paper《SIPDO: Closed-Loop Prompt Optimization via Synthetic Data Feedback》（arXiv:2505.19514v4）將問題說得很直白：現有方法多在固定數據集上優化，默認輸入分布靜態，缺少持續迭代的機制；而真實世界輸入會演化，因此需要把優化從一次性流程升級為動態自適應閉環。

SIPDO 定義為 two-agent system：

• Data Generator：生成能暴露 prompt 弱點的合成樣本，且難度可控、逐級增加；
• Auto Prompt Optimizer：在失敗樣本上做 error analysis → recommendation → refinement，不斷改寫 prompt。豐富的難度梯把錯誤案例壓縮成一個可執行的修改建議，像給 prompt 打補丁。

6.1 Data Generator：purposeful & stressful，而非單純的生成

SIPDO 將 Data Generator 定位為面向當前 prompt’s targeted stress tester：其輸出fresh、well-targeted的 synthetic instances，目標是以可控方式持續暴露 prompt 的 weakness—— 即生成難度刻意超出當前 prompt 能力邊界的數據，從而為后續 prompt 修復提供高信息密度的反饋信號。

6.1.1 先定 label，再生成 input：消除 label 生成過程中產生的錯誤與語義錯配

在合成數據生成中，一個常見隱患是：模型在生成輸入時錯誤的生成答案，導致 Question (x) –Answer (y) 不一致。SIPDO 的處理非常明確：先從 estimated population label prior p*(y) 抽取目標 answer，再在該 answer 條件下生成對應 question，從而減去合成樣本語義合理但標簽錯配的噪聲。SIPDO 也正面處理了合成數據最常見的現實問題：當任務域更復雜或合成有效樣本更困難時，question–answer 一致性與基本事實正確性會成為瓶頸。對此，論文提出在特定任務 / 領域啟用three-voter check：由三個 expert agents 獨立核驗每個生成項的 question–answer consistency 與基本事實正確性，只有同時通過三個 expert-agents 的樣本數據才會進入 synthetic data pool。

進一步地，p*(y) 并不只是采樣分布，它還承擔了分布約束（distributional regularization）的角色：SIPDO 用它來 regularize generator，懲罰合成標簽分布偏離真實標簽先驗，避免 generator 退化成只生成少數最容易擊穿 prompt 的標簽 / 類別，從而造成訓練信號單一與分布失真。

6.1.2 latent template：在貼近真實任務結構的前提下生成新樣本數據

SIPDO 引入 latent variable（SPIDO 強調其捕捉 few-shot set 結構的作用）。用更工程化的語言來說：generator 先從 few-shot 示例中抽取 / 采樣一個題型骨架（latent template），再在該骨架上生成具體樣本。這樣做的目的是在結構對齊真實數據分布的同時，仍能在內容層面產生新變體，從而避免生成樣本偏離任務語義或不可判定的低質量數據。

6.1.3 difficulty tier：同一模板下的難度對齊生成

SIPDO 的 difficulty tier c 是 data-generator 的核心控制變量：generator 明確以 c 為條件生成樣本，使得同一 latent variable 與同一目標 label 可以產出一組 difficulty-aligned variants。換言之，合成數據是圍繞同一結構模板形成難度可對齊、可比較的一系列挑戰，便于 prompt 在統一結構下學習到從易到難的能力遷移。

6.1.4 curriculum generation：用 summarizer 將上一層難度 “壓縮成下一層線索”，形成語義累積

6.2 Auto Prompt Optimizer：基于 failure slice 的結構化修復，并通過回歸驗證抑制性能回退

Auto Prompt Optimizer 的職責就是把失敗轉化為可復用的 prompt 規則。SIPDO 將這一過程明確組織為閉環：每引入一個新的 synthetic data sample，就先用當前 prompt 評估；若出現錯誤，則進入 optimizer 做修復；若通過，則提升難度繼續生成更具挑戰性的樣本。該循環持續進行，直至 prompt 正確解決所有生成的數據。

6.2.1 error analysis：以 error slice 形式 “顯式化” 失敗模式，而非憑經驗改寫

Auto Prompt Optimizer 的第一步不是立刻重寫 prompt，而是對當前累積的 synthetic data pool 進行評估，形成當前錯誤（error slice /failure slice）。這一設計的含義在于：prompt 更新不再依賴主觀直覺，而是以 “失敗集合” 的形式顯式定位 prompt 的不足（如：指令歧義、推理步驟缺失、格式約束不充分）。當 error slice 為空時，意味著當前 prompt 已覆蓋已見案例，可觸發終止條件。

6.2.2 recommendation：以 reflection module 生成 textual patch，將失敗壓縮為 “可執行修改指令”

在 recommendation 階段，SIPDO 引入 reflection module：它同時檢視（1）error slice，（2）具體導致當前 prompt 失敗的生成樣本，（3）當前 prompt,（4）以及模型在該樣本上的錯誤輸出，并生成一個textual patch：既解釋失敗為何發生，也提出應當如何修改 prompt。

6.2.3 Refinement：將 patch 具體寫入 prompt，并以 “局部 — 全局” 兩級驗證抑制回退

refinement 階段的目標是產出一個可泛化、不過擬合的 revised prompt：把 textual patch 落成具體的指令改寫，并對 prompt 結構做必要的重排與強化。論文在 Fig.1 的描述中強調：revised prompt 不僅要在 “當前失敗樣本（present failures）” 上通過，還要在 “所有歷史已解決樣本（previously solved examples）” 上通過；若仍出錯，則回到 optimizer 繼續細化。這個 “局部修復 + 全局回歸驗證” 的閉環，實質上是將regression control寫進 prompt optimization 流程，以降低 “修一處壞一片” 的性能波動與遺忘風險。

6.2.4 Confirmation: 局部 vs. 全局

Local confirmation 只在當前 error slice 上測試 revised prompt。如果 revised prompt 在這些明確已知的失敗樣本上仍未全部修復（即仍有殘余錯誤），SIPDO 不會立刻做全局回歸，而是認為當前 patch 還不充分：

• 將 revised prompt 作為新的 baseline prompt；
• 更新 error slice 為 “仍未修復的殘余錯誤”；
• 回到 recommendation/refinement，生成更充分、更針對性的 patch 再迭代。

Global confirmation：修好了新錯誤，不代表在已生成的 synthetic pool 中沒有錯誤。因此，當 local confirmation 通過后，SIPDO 會把 revised prompt 放到整個 synthetic history（截至當前輪累計的所有樣本）上評估測試，檢查它是否仍覆蓋所有已見案例。如果 global confirmation 中發現任何 “歷史回退”（即某些此前已解決的樣本現在又失敗了），SIPDO 會：

• 將這些回退樣本并入新的 error slice；
• 把它們送回 recommendation/refinement 流程繼續修復；
• 直到在全量歷史上不再出現回退，才接受這次 revision，并進入下一輪更高難度的數據生成與評測。

6.2.5 可復用的 prompt templates：將閉環流程固化為標準化操作規程

為了讓 closed-loop 更易復現與遷移，論文在附錄中給出了自改進流程的 prompt templates（涵蓋 error analysis、improvement recommendation、prompt refinement 三類模板），并給出典型 failure modes 與建議示例（例如對表格處理失敗、數值比較不明確等）。

07｜整體效果：跨模型、跨基線，SIPDO 在不同任務上穩定且更強

論文在 Table 2 匯總了 BIG-Bench 六個任務，表現 SIPDO 在多數任務與模型上consistently outperforms標準 baselines（CoT / APE / PromptAgent），體現 synthetic data feedback 帶來的泛化收益。

此外，論文還在 MMLU（College CS, Machine Learning, College Biology）以及 FOLIO / PrOntoQA / ProofWriter 等結構化推理任務上的對比與提升。SIPDO 的獨特點在于：讓系統主動生成 “剛好能打穿當前 prompt” 的合成樣本，再用失敗反饋驅動 prompt 修復，并通過難度遞進持續加壓。

08｜Difficulty Progression – SIPDO 的核心

論文在 Table 4 做了 ablation study：移除 difficulty gradient 后，BIG-Bench 的每個子任務都掉點，并且給出平均損失，其中 Object Counting、Geometric Shapes 的跌幅最大：

• GPT-4o 平均下降 17.3%
• GPT-4o-mini 平均下降 24.3%

直接說明 SIPDO 的增益不是單純生成更多數據帶來的，而是通過可控難度梯度，把 prompt 推著走過一條持續變強的學習曲線

總的來說，Data Generator：以 p*(y) 約束標簽分布，通過 latent template 保持任務結構對齊，并以 difficulty tier 逐級加難，持續產出能夠暴露當前 prompt weakness 的 targeted synthetic instances；在困難任務上可用 three-voter check 提升 label–input 一致性與事實可靠性。Auto Prompt Optimizer：以 error slice 顯式刻畫失敗模式，通過 reflection-based textual patch 給出可執行修復策略，再將修復寫入 revised prompt，并在 present failures 與 previously solved examples 上做回歸驗證，以閉環方式累積魯棒性并抑制性能回退。

論文作者：

Haohan Wang (汪浩瀚)， UIUC 助理教授，主要研究方向為 Agentic AI and Scientific Discovery, Trustworthy AI / AI security, Computational Biology. 平時主要帶領團隊攻堅有價值的問題，同時也喜歡研究 “創新” 這件事本身，以幫助更廣大的社區和老師同學。