提示词优化面临测试泄露风险，模型或针对评估标准作弊

在提示优化过程中，候选提示、评分标准和测试用例往往会一起变化，导致优化器钻测试的空子，而不是改进提示。这种测试泄露问题会导致分数上升，而实际提示质量却在下降。