EvoMAS：学习多智能体系统的执行时工作流

针对现有基于大语言模型的多智能体系统多采用静态一次性工作流设计，难以适应长程任务中目标与信息需求动态演化的问题，本文提出 EvoMAS 框架。该框架将工作流构建建模为单任务轨迹上的元级序列决策问题，通过“规划器 - 评估器 - 更新器”流水线构建显式任务状态，并利用学习到的工作流适配器从候选池中实例化阶段特定的分层工作流。实验表明，EvoMAS 在多个基准测试中优于单智能体基线及近期自动化工作流设计方法，证明了其动态适应能力的有效性。