TextBO：在语言空间中进行贝叶斯优化，以实现评估高效的自改进 AI

基于摘要分析。本文研究 LLM 自改进过程中可靠反馈成本高于候选生成成本的问题，提出 TextBO，在语言空间中模拟基于梯度的 UCB-BO，将优化重点从生成效率转向评估效率。 核心机制方面，作者称 TextBO 可在理论上模拟基于梯度的 UCB-BO，并使用 Best-of-N 多步文本梯度机制。摘要未给出语言候选的表示方式、代理模型、不确定性估计、候选选择规则或理论成立条件，因此尚不能判断这种模拟如何实现，以及相关保证适用于何种反馈环境。 作者报告，在自动广告对齐任务和 agentic AI 任务中，TextBO 按每次评估获得的性能优于 GEPA；作者还报告，将其 Best-of-N 多步文本梯度机制加入 GEPA 后，在 agentic AI 基准上显著优于标准 GEPA。摘要未提供具体基准名称、指标、评估预算、数值或统计检验细节，实验协议、消融及统计信息尚未验证。复现时需核对“评估”的计费单位、反馈来源、候选生成成本及对照预算，不能将评估次数优势直接等同于总计算成本优势。 本文主要研究对象是语言空间中的 AI 自改进，并非 EEG 解码或 BCI。材料未提供神经信号建模机制或 BCI 验证，现有信息不足以提出具体迁移实验；已有 EEG 相关工作尚未检索确认。