用于迭代提示优化的对比反思

本文提出“对比反思”框架，旨在优化信息检索代理的提示词。该方法利用结构化追踪识别错误行为切片，结合邻近成功示例，引导教师模型生成针对性提示编辑。仅当验证性能提升且无回归时才采纳编辑。在 HotpotQA 数据集上，该方法将准确率从 51.4% 提升至 60.4%，优于多种基线。其核心贡献在于构建了一个可解释、数据驱动的迭代优化闭环，使提示修复过程更具 inspectability。