摘要
针对现有基于大语言模型(LLM)的代理在重复性图形用户界面(GUI)任务中因反复推理导致效率低下的问题,本文提出 AutoRPA 框架。该框架自动将 ReAct 风格代理的决策逻辑提炼为鲁棒的机器人流程自动化(RPA)函数。其核心创新包括:构建“翻译器 - 生成器”流水线,将硬编码动作转化为软编码过程并合成稳健函数;以及在代码验证阶段采用混合修复策略,结合 RPA 执行与 ReAct 回退机制进行迭代优化。实验表明,该方法在保持任务解决能力的同时,大幅降低了令牌消耗并提升了运行效率。
AI 推荐理由
论文核心在于将 LLM 的交互行为转化为可复用的 RPA 技能函数,显著提升工具使用效率。
研究机构
Zhejiang Key Laboratory of Space Information Sensing and Transmission, School of Computer Science, Hangzhou Dianzi University, China
论文信息