MetaGPT開源自動生成智能體工作流,4.55%成本超GPT-4o|智能體

這是對提示詞自動優化的進一步探索,通過蒙特卡洛樹搜索,完全接管了 Agentic Workflow 的生成與優化過程,表現遠超其他工作流自動優化工作,甚至超越了對比的所有手工工作流基線。

  • 論文標題:AFlow: Automating Agentic Workflow Generation

  • 論文地址:https://arxiv.org/abs/2410.10762

  • 項目地址:https://github.com/geekan/MetaGPT/tree/main/examples/aflow

什么是自動工作流優化問題?

現有的 Agentic Workflow 自動生成工作難以生成有效的工作流,它們往往需要人工介入初始設置,且無法全面捕捉到完成任務所需的工作流多樣性。為了克服這些挑戰,研究人員提出了 AFLOW 框架。利用蒙特卡洛樹搜索(MCTS)技術來系統地探索和優化 LLM 的工作流。AFLOW 通過將工作流定義為代碼可表示的節點和邊,從而有效地捕捉 LLMs 調用之間的復雜交互。通過引入操作符的概念,AFLOW 進一步簡化了搜索空間,提高了搜索效率。在多個基準數據集上的實驗結果表明,AFLOW 能夠自動發現和優化工作流,顯著提高了任務執行的性能,同時減少了對人工干預的依賴。

AFLOW 的動態演示。通過不斷迭代的選擇、擴展、評估和反向傳播實現工作流的自動化生成和優化

AFLOW 首先將工作流優化問題重新構建為一個搜索問題,其中工作流被表示為代碼化的節點序列,每個節點代表 LLM 的一個具體操作,節點之間的邊定義了操作的邏輯、依賴關系和執行流程。這種表示方法將工作流轉化為一個可以搜索和優化的圖結構。具體來說,工作流 W 被定義為一個 LLM 調用節點序列,其中每個節點

? 版權聲明
評論 搶沙發
加載中~
每日一言
不怕萬人阻擋,只怕自己投降
Not afraid of people blocking, I'm afraid their surrender