批处理反思式优化循环：并行提案让 GEPA 更快更好

反思式文本优化能够提升智能体系统的性能，但优化循环本身是一项资源消耗很大的工作，其串行结构使并行评估能力处于闲置状态。我们扩展了开源的 GEPA 优化器，使其在每个优化步骤中提出并评估一批候选方案，而不是一次只处理一个候选方案。在对两个任务进行的参数扫掠中，大多数批处理运行的总耗时缩短至原来的一半或更少，最快的约为原来的四分之一至三分之一。批处理设置还取得了更高的留出测试分数：在 LiveBench-Math 上从 68.9% 提升至 72.1%（采用 $2\times2$），在 HoVer 上从 49.0% 提升至 60.0%（采用 $8\times1$）。一个简单的运行时间模型解释了有限工作线程池下测得的加速效果；此外，批处理设置也能更高效地利用指标调用次数和资金预算。我们梳理了反思式优化步骤可实现并行扩展的各个维度，并首次探讨如何在这些维度之间分配固定的优化预算。