論文の概要: WorkflowGen:an adaptive workflow generation mechanism driven by trajectory experience

• arxiv url: http://arxiv.org/abs/2604.19756v1
• Date: Sun, 22 Mar 2026 16:49:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:14.048212
• Title: WorkflowGen:an adaptive workflow generation mechanism driven by trajectory experience
• Title（参考訳）: WorkflowGen: 軌道経験によって駆動される適応ワークフロー生成機構
• Authors: Ruocan Wei, Shufeng Wang, Ziwei Shi,
• Abstract要約: 大規模言語モデル(LLM)エージェントは、多くの場合、高い推論オーバーヘッド、過剰なトークン消費、不安定な実行、ビジネスクエリやツール使用、ワークフローオーケストレーションといった複雑なタスクにおける過去のエクスペリエンスの再利用が不可能である。 従来のメソッドはクエリ毎にスクラッチから生成され、コストが高く、レスポンスが遅く、ロバスト性が低い。 本稿では,トークン使用率を低減し,効率と成功率を向上する自動ワークフロー生成のための適応的トラジェクトリ駆動フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.259603972734445
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language model (LLM) agents often suffer from high reasoning overhead, excessive token consumption, unstable execution, and inability to reuse past experiences in complex tasks like business queries, tool use, and workflow orchestration. Traditional methods generate workflows from scratch for every query, leading to high cost, slow response, and poor robustness. We propose WorkflowGen, an adaptive, trajectory experience-driven framework for automatic workflow generation that reduces token usage and improves efficiency and success rate. Early in execution, WorkflowGen captures full trajectories and extracts reusable knowledge at both node and workflow levels, including error fingerprints, optimal tool mappings, parameter schemas, execution paths, and exception-avoidance strategies. It then employs a closed-loop mechanism that performs lightweight generation only on variable nodes via trajectory rewriting, experience updating, and template induction. A three-tier adaptive routing strategy dynamically selects among direct reuse, rewriting-based generation, and full initialization based on semantic similarity to historical queries. Without large annotated datasets, we qualitatively compare WorkflowGen against real-time planning, static single trajectory, and basic in-context learning baselines. Our method reduces token consumption by over 40 percent compared to real-time planning, improves success rate by 20 percent on medium-similarity queries through proactive error avoidance and adaptive fallback, and enhances deployability via modular, traceable experiences and cross-scenario adaptability. WorkflowGen achieves a practical balance of efficiency, robustness, and interpretability, addressing key limitations of existing approaches.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、多くの場合、高い推論オーバーヘッド、過剰なトークン消費、不安定な実行、ビジネスクエリやツール使用、ワークフローオーケストレーションといった複雑なタスクにおける過去のエクスペリエンスの再利用が不可能である。 従来のメソッドは、クエリ毎にスクラッチからワークフローを生成し、高いコスト、レスポンスの遅さ、ロバストさの低下につながる。 本稿では,トークン使用率を低減し,効率と成功率を向上する自動ワークフロー生成のための,適応的かつトラジェクティブなエクスペリエンス駆動フレームワークであるWorkflowGenを提案する。 実行の初期段階において、WorkflowGenは完全なトラジェクトリをキャプチャし、エラー指紋、最適なツールマッピング、パラメータスキーマ、実行パス、例外回避戦略を含む、ノードレベルとワークフローレベルの再利用可能な知識を抽出する。 次にクローズドループ機構を使用し、トラジェクトリ書き換え、エクスペリエンス更新、テンプレートインジェクションを通じて、可変ノードでのみ軽量に生成する。 3層適応ルーティング戦略は, 直接再利用, 書き換えベース生成, 履歴クエリとのセマンティックな類似性に基づく完全初期化を動的に選択する。 大きな注釈付きデータセットがなければ、WorkflowGenをリアルタイム計画、静的な単一軌道、基本的なコンテキスト内学習ベースラインと質的に比較します。 提案手法は,リアルタイム計画と比較してトークン使用率を40%以上削減し,前向きなエラー回避と適応的フォールバックによる中類似性クエリの成功率を20%向上し,モジュール,トレーサビリティ,クロスシナリオ適応性を通じてデプロイ性を向上させる。 WorkflowGenは、既存のアプローチの重要な制限に対処しながら、効率、堅牢性、解釈可能性の実践的なバランスを達成する。

関連論文リスト

• Beyond Static Pipelines: Learning Dynamic Workflows for Text-to-SQL [24.88518266117787]
  適応的な構成におけるアクター推論を強化する強化学習フレームワークを提案する。 最適な動的ポリシは、最高の静的ワークフローよりも一貫して優れています。 より広範な探索を促進するための2つの効果的なトレーニングメカニズムと、トレーニング効率を向上させるための擬似報酬を導入する。
  論文  参考訳（メタデータ） (2026-02-17T13:24:56Z)
• Learning to Compose for Cross-domain Agentic Workflow Generation [56.630382886594184]
  クロスドメインワークフロー生成のためのオープンソースのLLMを作成します。 さまざまなドメインにわたる再利用可能なワークフロー機能のコンパクトなセットを学びます。 当社の1パスジェネレータは、20イテレーションを消費するSOTAリファインメントベースラインを超えています。
  論文  参考訳（メタデータ） (2026-02-11T18:27:22Z)
• WISE-Flow: Workflow-Induced Structured Experience for Self-Evolving Conversational Service Agents [12.014029662322152]
  大規模言語モデル(LLM)ベースのエージェントは、ユーザ向けサービスに広くデプロイされているが、新しいタスクではエラーが発生しやすい。 本稿では,過去のサービスインタラクションを再利用可能な手続き体験に変換する実現可能性中心のフレームワークであるWISE-Flowを提案する。
  論文  参考訳（メタデータ） (2026-01-13T02:43:41Z)
• FlowBind: Efficient Any-to-Any Generation with Bidirectional Flows [17.924626622563924]
  FlowBindは、あらゆる世代の効率的なフレームワークです。 モダリティ固有の非可逆フローを各モダリティにブリッジして、クロスモーダル情報をキャプチャする共有潜在空間を学習する。 テキスト、画像、オーディオの実験では、FlowBindは6倍のパラメータを必要とせず、従来のメソッドよりも10倍高速にトレーニングできる。
  論文  参考訳（メタデータ） (2025-12-17T13:08:18Z)
• DyFlow: Dynamic Workflow Framework for Agentic Reasoning [79.19799197382478]
  DyFlowは動的ワークフロー生成フレームワークで、タスク要求とリアルタイム中間フィードバックに基づいて推論手順を適応的に構築し、調整する。 社会的推論,生物医学的タスク,数学的問題解決,コード生成など,さまざまな領域でDyFlowを体系的に評価する。 結果は、DyFlowが既存のベースラインを大幅に上回り、Pass@kの改善を実現し、さまざまなドメインにわたって堅牢な一般化を示すことを示した。
  論文  参考訳（メタデータ） (2025-09-30T10:36:23Z)
• Flow: Modularized Agentic Workflow Automation [53.073598156915615]
  大規模言語モデル(LLM)を利用したマルチエージェントフレームワークは、自動計画とタスク実行において大きな成功を収めている。 しかし, 実行中のエージェントの効果的な調整は十分に研究されていない。 本稿では,エージェントによる継続的なワークフロー改善を可能にするアクティビティ・オン・頂点(AOV)グラフを定義する。 提案するマルチエージェントフレームワークは,サブタスクの効率的な同時実行,効果的なゴール達成,エラー耐性の向上を実現している。
  論文  参考訳（メタデータ） (2025-01-14T04:35:37Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。