摘要
LLM智能体日益应用于受政策约束的企业工作流(如文档审计),需保持一致性、可 grounding 且可审计。改进此类智能体面临操作反馈稀疏、规则修改易导致回归及成本增加等挑战。本文提出FRAMES闭环框架,从现有资产冷启动可部署技能,并通过基于共识的变异、精度与成本的帕累托选择以及防退化保证来进化这些技能,同时保持可审计性。在生产系统上的部署表明,FRAMES在基线中取得了最佳的精度-成本权衡,且在tau-bench上复现了相同增益。
AI 推荐理由
论文核心提出FRAMES框架,通过共识变异、帕累托选择和防退化保证实现技能的自我进化与优化。
研究机构
BMO Financial Group
论文信息