AFlow：自动化代理工作流生成
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了大型语言模型在生成复杂任务的代理工作流时遇到的手动设置繁重问题。通过将工作流优化重构为代码表示工作流的搜索问题，提出了AFlow框架，并利用蒙特卡罗树搜索实现高效自动生成。实验结果显示AFlow在六个基准数据集上平均提升5.7%，并使较小模型在特定任务上超越GPT-4o。
最近，大型语言模型在自动代码生成方面取得进展，但单一代理方法在处理复杂代码库时存在局限。论文提出了一种自组织多代理框架(SoA)，通过代理的独立操作和协作，动态增加代理数量，实现代码生成和优化的可扩展性。SoA在HumanEval基准测试中表现出色，生成代码量增加，Pass@1准确率比单代理系统高出5%。
