(P)rior(D)yna(F)low：基于多智能体协作的先验动态工作流程构建
人工智能
2025-09-19 v1
摘要
近期研究表明，精心设计的协调大型语言模型（LLMs）的工作流程，显著提升了相较于单一模型的任务解决能力。尽管越来越多的研究聚焦于自主工作流程构建，但大多数现有方法仅依赖历史经验，导致效率和适应性受限。我们认为，历史经验虽宝贵，但工作流程构建也应灵活应对每个任务的独特特征。为此，我们提出一种先验动态框架用于自动化工作流程构建。该框架首先利用Q表学习优化决策空间，引导智能体决策，有效利用历史经验；同时，智能体评估当前任务进度，依据此做出先验决策，决定下一个执行的智能体，从而使系统能主动为每个给定任务选择更合适的工作流程结构。此外，我们还引入冷启动初始化、提前停止和修剪等机制，进一步提升系统效率。在四个基准数据集上的实验评估表明，我们的方法在可行性和有效性方面表现出色。相较于当前最先进的基线方法，我们的方法平均提升4.05%，同时将工作流程构建和推理成本降低至仅需30.68%至48.31%。
引用
@article{arxiv.2509.14547,
title = {(P)rior(D)yna(F)low: A Priori Dynamic Workflow Construction via Multi-Agent Collaboration},
author = {Yi Lin and Lujin Zhao and Yijie Shi},
journal= {arXiv preprint arXiv:2509.14547},
year = {2025}
}