GEPA: Рефлексивная эволюция промптов может превзойти обучение с подкреплением

Обнаружено: LLM катастрофически улучшает свою работу, когда получает не новые параметры, а более подробные текстовые инструкции, основанные на анализе прошлых провалов. GEPA позволяет автоматически превращать ошибки модели в конкретные правила для промпта — вместо переобучения модели вы дообучаете саму инструкцию. Система анализирует неудачный ответ, формулирует урок («провалено, потому что в промпте не было указания делать X») и встраивает его в новую версию промпта — модель перестает ошибаться в этом аспекте. Результат: в 10-50 раз меньше итераций, чем у reinforcement learning, при сопоставимом качестве.