**optimize\_anything: 用于优化任何文本参数的通用API**

_optimize\_anything: A Universal API for Optimizing any Text Parameter_

> 研究人员提出了一种基于大语言模型（LLM）的通用优化系统，能够通过改进文本形式的产物（由评分函数评估）来解决多种领域的优化问题。该系统支持单任务搜索、多任务搜索（跨问题迁移）以及对未见输入的泛化，并在六项不同任务上达到了最先进的性能，包括将Gemini Flash在ARC-AGI任务上的准确率从32.5%提升至89.5%、将云成本降低40%、生成与PyTorch匹配或超越的CUDA内核（87%成功率），并超越了AlphaEvolve报告的圆 packing 解决方案。研究还发现，提供可操作的辅助信息比仅使用评分反馈能实现更快的收敛和更高的最终分数，而多任务搜索通过跨任务迁移在相同预算下优于独立优化。该工作首次证明了基于LLM的文本优化是一种通用的问题解决范式，将传统上需要领域特定算法的任务统一到一个框架中。相关代码已在GEPA项目中开源。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.19633)