BudgetAPO预印本：噪声自适应评估降低提示优化失败率

重点：BudgetAPO在250次调用预算下将返回原始提示词（seed）的失败率从GEPA的86%降至13%，解决了自动提示优化（APO）在付费API限制下的实际可用性问题。

背景：现有APO方法如GEPA和OPRO通常假设数百至数千次模型调用，这在受限或计费的API环境中不切实际。在紧预算下，多阶段流程易耗尽预算并退回初始状态，单阶段方法则因固定评估批次忽略任务噪声差异而表现不佳。

结论：该预印本提出噪声自适应规则，根据任务噪声动态调整评估切片大小，并通过配对比较进行接受/拒绝决策。作者在七个基准测试和五个模型上自测显示，BudgetAPO在所有受试模型中排名第一，且在Holm校正配对检验中优于所有基线。例如在GPT-OSS-20B上，GEPA需5倍调用次数才能匹配BudgetAPO在100次调用时的得分。

边界：结果基于作者自测，尚未见独立复现；论文为arXiv预印本v2版本（2026年10月8日更新），未说明是否经过同行评审。