摘要
针对现有优化器无法联合解决工作流故障定位、机制归因及第三方技能知识复用的问题,本文提出工作流局部化机制学习(WML)。该方法通过节点 - 机制归因识别故障点与最小编辑目标,并利用六模块工作流引导技能优化循环,选择感知来源与范围的知识进行有界修补与验证存储。实验表明,WML 在 SpreadsheetBench 上显著提升硬准确率,并能将习得技能迁移至 WikiTableQuestions;在 Compiler-Supported50 上实现了最高的通过率与最低成本,有效减少了 Token 消耗与调用次数。
AI 推荐理由
论文核心提出工作流局部化机制学习,旨在优化和修复 Agent 的结构化技能,属于技能学习领域的核心研究。
研究机构
深圳大学
论文信息