可复现评估：生产级智能体安全提示词压缩的基础

研究人员提出一种面向生产级对话智能体的离线评估框架，结合 GEPA 提示词优化与正确性门控机制，将完整提示词缩减了 3.5-7.6%。该框架在底层实时数据变动下仍能保持评测的可复现性，并作为适应度函数防止奖励作弊。在商户端生产智能体上的测试显示，压缩在 3 个独立模型族中均未降低任务正确性，且有 1 个模型的正确性实现进一步提升。