arXiv来源发表:
智能体工作流不再每次重造：先攒一个工作流池，再用上下文老虎机按题挑
核心概要
智能体工作流的选择被改写成上下文老虎机问题：在五个基准上平均分达到81.37%，MATH上训练阶段token开销至少降低40.55%。
深度剖析
智能体工作流不再对每个查询从零生成，而是从一个预先攒好的工作流池里按查询挑选。 此前的自动优化要么给一类任务配一个固定工作流，要么把每个查询都当成新的生成问题。 在MATH、GSM8K、MBPP、HumanEval、GAIA五个基准上，平均分81.37%，高于MaAS的79.79%和AFlow的78.76%。
工作流池由执行反馈驱动的进化搜索生成，选择器则用查询与工作流代码的嵌入做上下文。 选择被建模为上下文老虎机，用神经奖励预测加线性探索奖励的混合UCB打分。 MATH上池覆盖率为72.3%，GSM8K为98.0%，HumanEval为93.9%，MBPP为95.3%。
训练阶段省下的反馈开销来自样本效率，而不是缩短推理。 MATH上训练阶段token开销至少降低40.55%，含一次性工作流池生成的总训练开销至少降低29.73%。 MATH上探索系数取800时解题率54.36%，总token约6.14M；取400时52.43%，约4.28M。
启示与展望
报道范围是全文，覆盖方法、五个基准的实验、消融、跨域迁移与骨干模型扩展。适用读者是构建LLM智能体工作流的研究人员与工程师，关心的是选择策略与训练成本。工作流池由训练集上的执行引导进化搜索构建，池的覆盖情况按数据集分别报告。
混合UCB用原始嵌入空间做探索奖励，作者说明这不能直接继承神经老虎机的遗憾界，探索项不是校准过的置信区间。MATH上池覆盖率72.3%，低于其他基准，作者将其归因于竞赛级数学题的难度。在线学习模式会带来额外延迟与成本，作者建议谨慎触发。