DebFlow：通过智能体对话实现智能体自动化创建
人工智能
2025-09-22 v3
摘要
大语言模型 (LLM) 在自动化生成和优化工作流程方面展现出巨大的潜力和惊人性能。然而，现有方法受限于推理能力、计算需求大以及资源消耗高。为此，我们提出了 DebFlow 框架，采用对话机制优化工作流程并集成反思功能以基于经验进行改进。我们在六个基准数据集上评估了该方法，包括 HotpotQA、MATH 和 ALFWorld。我们的 method 在最新基线上实现了平均 3% 的性能提升，展示了在 diverse problem 领域的有效性。特别是，在训练期间，我们的框架比最新的基线方法节省了 37% 的资源消耗。此外，我们进行了消融研究。移除 Debate 组件后，两个基准数据集上的性能下降 4%，显著高于移除 Reflection 组件时观察到的 2% 下降。这一发现强烈表明 Debate 组件在提升框架性能中起关键作用，而反思组件则为整体优化提供了辅助贡献。
引用
@article{arxiv.2503.23781,
title = {DebFlow: Automating Agent Creation via Agent Debate},
author = {Jinwei Su and Yinghui Xia and Yiqun Duan and Jun Du and Jianuo Huang and Tianyu Shi and Lewei He},
journal= {arXiv preprint arXiv:2503.23781},
year = {2025}
}