比比皆是的下一个创新点：从PromptLearning进化到SIPDO的闭环自进化

本文回顾了Prompt Learning从早期进化搜索到高级闭环优化的演进历程，指出其发展路径与参数学习历史高度相似。研究背景是LLM中Prompt微小改动可能导致性能波动，且任务持续变化使静态Prompt易失效。研究目的在于梳理Prompt优化的进化脉络，并探讨SIPDO如何通过合成数据反馈和难度递进机制实现闭环自进化。结论表明，SIPDO通过Data Generator生成针对性合成样本，配合Auto Prompt Optimizer进行失败驱动的结构化修复，形成了可抑制性能回退的持续优化系统，为Prompt优化开辟了系统性创新路径。