摘要
针对开放科学场景中多智能体工作流设计难题，本文提出 AgentCo-op，一种基于检索的合成框架。该框架通过类型化工件传递，将可重用技能、工具及外部智能体组合为可执行工作流，并在执行失败时应用有界的自导局部修复。在基因组学案例中，它无需重新设计或全局搜索即可协调专用智能体构建可审计工作流。实验表明，该方法在多个基准测试中优于现有基线，同时降低了任务成本，证明了检索合成在扩展自动化工作流设计方面的有效性。
AI 推荐理由
论文核心在于多智能体工作流的自动合成与任务规划，涉及组件组合及执行修复。
研究机构
Ray and Stephanie Lane Computational Biology Department, School of Computer Science, Carnegie Mellon University
Machine Learning Department, School of Computer Science, Carnegie Mellon University
论文信息