Les optimiseurs de prompts réflexifs comme GEPA s'appuient sur l'analyse des échecs d'un agent pour améliorer ses instructions au fil des itérations. Mais dans des environnements agentiques complexes, un échec ne traduit pas toujours une faiblesse du prompt : il peut résulter d'une limite technique du harnais, d'une exécution stochastique, ou d'un juge automatique peu fiable. Ces chercheurs soutiennent que de tels échecs apportent un signal d'apprentissage inutile, voire contre-productif, et proposent de filtrer en amont les tâches soumises à l'optimiseur.
GEPA-Curator ajoute deux mécanismes à ce type de pipeline. Le premier, la curation de tâches, écarte celles jugées susceptibles de produire un signal bruité ou peu fiable avant qu'elles n'influencent l'optimisation. Le second, la récupération de succès antérieurs, va chercher des trajectoires passées réussies pour une tâche donnée et les fournit comme contexte supplémentaire à l'optimiseur, afin de guider l'amélioration du prompt plutôt que de se fier uniquement aux échecs récents.
Les auteurs évaluent leur approche sur quatre bancs d'essai agentiques — GoBrowse, ALFWorld, AppWorld et τ-bench — en utilisant Gemini 3.1 Pro et Claude Opus 5 comme modèles optimiseurs. GEPA-Curator égale ou dépasse systématiquement les performances moyennes des approches de référence, avec des gains rapportés jusqu'à 20,7% par rapport à GEPA et 21,2% par rapport à ACE.
Ce travail s'inscrit dans une tendance plus large visant à rendre les agents LLM capables de s'auto-améliorer sans réentraînement coûteux, en travaillant uniquement sur les prompts et le contexte fourni. L'idée que toutes les expériences d'un agent ne se valent pas pour l'apprentissage par réflexion mérite d'être creusée, notamment pour évaluer sa robustesse sur des tâches de production réelles plutôt que sur des bancs d'essai contrôlés.