GEPA-Lite

用遗传算法自动调优提示词,多目标优化提升模型输出质量

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 4 🐛 待处理 1
GitHub ↗
GitHub 星标 ★ 58
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,完全免费,可自行部署使用。

项目预览

GEPA-Lite 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类开源模型
开发团队egmaminta
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型fortheloveofcode,gemini,gemini-api,gemma,google-summer-of-code,large-language-models,ollama,open-source,prompt-optimization,prompt-tuning,student-vscode
GitHub 星标★ 58
上线时间2025-08-12 00:00:00
代码更新2025-08-12
仓库体积2.8 MB
本站数据更新2026-11-08
维护状态低维护
收录时间2026-08-09
浏览次数3

项目介绍

GEPA-Lite 是 GEPA(Genetic-Pareto)提示词优化方法的轻量级实现,专为大型语言模型设计。它解决的核心问题是:如何自动、高效地优化提示词,以提升模型输出质量。该方法融合了遗传算法和帕累托多目标优化,能够在多个质量指标(如准确性、相关性等)之间进行权衡,寻找最优提示词。GEPA-Lite 提供了简洁的 Python 接口,支持与主流 LLM 集成,并允许用户自定义评估函数。其轻量设计降低了使用门槛,适合在资源受限的环境中快速实验。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 58

核心亮点

  • 基于遗传-帕累托方法,能同时优化多个质量指标,避免单指标过拟合
  • 轻量级实现,依赖少,易于集成到现有 Python 项目中
  • 提供自定义评估函数接口,灵活适配不同任务和模型

不足之处

  • 项目处于早期阶段,文档和社区支持尚不完善
  • 遗传算法迭代可能耗时,对实时性要求高的场景不友好

适用场景

  • 自动优化 LLM 提示词以提升问答准确性
  • 在多个质量指标间权衡,如生成内容的连贯性与多样性
  • 作为研究工具,探索提示词优化方法的效果

替代项目

DSPy、TextGrad、PromptWizard

上一篇:MPO

下一篇:LLM-SR

同类项目推荐

FeynRL 开源

换目标、换采样,后训练实验一套框架跑通

Post-training framework for large models, from new objectives to new rollout systems···

★ 228 2026-10-31
sd-mecha 开源

把模型合并变成可复现的代码配方

Executable State Dict Recipes

★ 82 2026-08-09
CUDA-L2 开源

用强化学习自动写出比 cuBLAS 更快的矩阵乘法内核

CUDA-L2: Surpassing cuBLAS Performance for Matrix Multiplication through Reinforceme···

★ 487 2026-08-09
WorldDistill 开源

把视频生成大模型蒸馏成小快模型,少步数出片

**A unified toolkit for distilling and accelerating video generation models and worl···

★ 60 2026-09-29
MPO 开源

让LLM智能体先学会定计划,再动手执行,提升复杂任务成功率

MPO: Boosting LLM Agents with Meta Plan Optimization (EMNLP 2025 Findings)

★ 82 2026-08-09
autogluon 开源

三行代码搞定高精度模型,自动调参集成,省时省力

Fast and Accurate ML in 3 Lines of Code

★ 10819 2026-08-10
RAG-Retrieval 开源

统一微调 RAG 检索模型,让召回更精准

Unify Efficient Fine-tuning of RAG Retrieval, including Embedding, ColBERT, ReRanke···

★ 1137 2026-08-09