一项研究通过测试 GEPA、Meta Harness 和 RELAI-VCL 三种方法在 Terminal-Bench 2.0 的困难任务上的表现，评估代理优化收益是否会随时间累积。虽然所有方法都优于静态基线，但只有 RELAI-VCL 成功迁移到未见过的任务，并在后续优化轮次中持续改进。

  • GEPA 优化的代理在引入新任务时表现低于未优化的基线。
  • Meta Harness 迁移效果良好，但在第二次优化预算下未能进一步改进。
  • RELAI-VCL 实现了最高的终身平均通过率 76.4%，相比之下 GEPA 为 66.0%，Meta Harness 为 64.6%，基线为 58.7%。

作者得出结论，只有当回归控制内置于循环中时，优化收益才会累积，从而提供针对捷径解决方案的归纳偏置。