Um cookbook relata que a otimização reflexiva de prompts com DSPy GEPA elevou em 11% a precisão no NuminaMath-1.5, por menos de US$ 0,50 no total.
Um cookbook sobre DSPy GEPA descreve uma abordagem de otimização reflexiva de prompts e apresenta um exemplo com modelos separados para inferência e reflexão. Segundo a publicação, o método aumentou em 11% a precisão no NuminaMath-1.5, com custo total inferior a US$ 0,50.
O resultado é específico ao experimento relatado e não garante o mesmo ganho em outros modelos ou tarefas. Para estudar ou adaptar o material com IA, evite incluir dados pessoais ou conteúdo interno sensível; use exemplos sintéticos ou anonimizados e siga as regras de dados da sua organização.