FlowSteer：通过端到端强化学习实现交互式代理工作流编排

针对现有工作流编排存在人工成本高、依赖特定算子及奖励信号稀疏等挑战，本文提出 FlowSteer，一种端到端强化学习框架。该框架以轻量级策略模型为代理，在可执行画布环境中通过多轮交互自动编排工作流。策略模型分析执行状态并选择编辑动作，画布执行算子并返回反馈以迭代优化。此外，FlowSteer 支持即插即用的算子库和可替换的 LLM 后端。为有效训练此交互范式，本文提出画布工作流相对策略优化（CWRPO），引入带条件释放的多样性约束奖励以稳定学习并抑制捷径行为。实验表明，FlowSteer 在十二个数据集上显著优于基线方法。