摘要
紧凑语言模型虽能降低成本,但在处理 MCP 风格工具使用时,常因无法有效发现工具、验证参数或追踪依赖而导致工作流执行失败。本文提出 Evoflux,一种推理时进化搜索方法,将紧凑代理的工具使用视为可执行工作流的修复过程。该方法通过结构化编辑、执行反馈及多样性剪枝等机制演化类型化工作流图。实验表明,在资源受限下,Evoflux 显著提升了小型规划器的执行可行性,优于传统微调方法。
AI 推荐理由
论文核心解决小型 Agent 的工具发现、工作流构建及执行修复问题,直接提升工具使用技能。
研究机构
Rensselaer Polytechnic Institute, Troy, NY 12180 USA
IBM Research, Yorktown Heights, NY 10598 USA
论文信息