WorkflowGen: Generazione di Workflow Guidata da Traiettorie per Agenti LLM
WorkflowGen ha lanciato un framework innovativo volto a semplificare il processo di creazione di workflow per agenti basati su grandi modelli linguistici (LLM). Questo sistema si concentra su un approccio flessibile basato su traiettorie esperienziali. A differenza dei metodi convenzionali che partono da zero per ogni richiesta, con conseguenti eccessive richieste di ragionamento, elevato consumo di token, risultati incoerenti e nessun riutilizzo delle esperienze passate, WorkflowGen affronta questi problemi catturando i percorsi di esecuzione completi nelle fasi iniziali e ricavando da essi informazioni preziose. Queste includono pattern di errore, associazioni ideali di strumenti, strutture di parametri, percorsi di esecuzione e strategie per evitare eccezioni. Impiegando un sistema a ciclo chiuso, genera output efficienti basati su nodi variabili utilizzando tecniche come la riscrittura delle traiettorie e l'aggiornamento dell'esperienza. L'obiettivo è aumentare l'efficienza e i tassi di successo in compiti complessi, come richieste aziendali e gestione dei workflow. Puoi consultare lo studio su arXiv con l'identificatore 2604.19756.
Fatti principali
- 1. WorkflowGen è un framework adattivo guidato da traiettorie esperienziali per la generazione automatica di workflow.
- 2. Affronta l'elevato overhead di ragionamento, il consumo eccessivo di token, l'esecuzione instabile e l'impossibilità di riutilizzare esperienze passate negli agenti LLM.
- 3. I metodi tradizionali generano workflow da zero per ogni query.
- 4. WorkflowGen cattura le traiettorie complete nelle fasi iniziali dell'esecuzione.
- 5. Estrae conoscenza riutilizzabile a livello di nodo e di workflow.
- 6. La conoscenza estratta include impronte digitali di errore, mappature ottimali degli strumenti, schemi di parametri, percorsi di esecuzione e strategie per evitare eccezioni.
- 7. Impiega un meccanismo a ciclo chiuso con riscrittura delle traiettorie e aggiornamento dell'esperienza.
- 8. Il framework riduce l'uso di token e migliora l'efficienza e il tasso di successo.
- 9. L'articolo è su arXiv con identificatore 2604.19756.
Entità
Istituzioni
- arXiv