En åpen verktøykjede demonstrerer hvordan automatisk promptoptimalisering kan tune tekst- og bildeinstruksjoner for en selvkjørende bil ved bruk av merkede dashcam-eksempler.
I et gjennomgangseksempel brukes Opik Agent Optimizer SDK (opik-optimizer) for å iterativt mutere og evaluere ChatPrompt-objekter mot et dashcam-datasett med menneskelabelte farer. Verktøyet kombinerer algoritmer som GEPA og HRPO og en metaprompter der en LLM fungerer som prompt-tuner; evaluering kan skje med LLM-as-a-judge (LLMaaJ) eller enklere heuristikker. Eksempelet viser en multimodal agent som svarer på bilder og tekst og omtaler bruk av OpenAI GPT-5.2 i sikkerhetsagenten. Oppsettet krever Python, installasjon av opik-optimizer og API-nøkler for de LLM-er som benyttes, og Opik kan kjøres lokalt eller i skyen via Docker. Dette er en anvendelse av kunstlig intelligens (KI) for å forbedre konsistens og nøyaktighet i multimodale agenter.
Relevans for Norge: Metoder for automatisk promptoptimalisering er relevante for norske utviklere og forskningsmiljøer som arbeider med autonome kjøretøy og trafikksikkerhet, og følges i AI-nyheter.
Kilde: https://towardsdatascience.com/automatic-prompt-optimization-for-multimodal-vision-agents-a-self-driving-car-example | Sammendraget er KI-generert med OpenAI API og kvalitetssikret av redaksjonen i Ainy.no
