論文の概要: Global Optimization and Inference-Time Region Grafting for Agentic Workflows

• arxiv url: http://arxiv.org/abs/2608.02353v1
• Date: Mon, 03 Aug 2026 15:04:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.619385
• Title: Global Optimization and Inference-Time Region Grafting for Agentic Workflows
• Title（参考訳）: エージェントワークフローのためのグローバル最適化と推論時間領域グラフト
• Abstract要約: GRAFTを導入し、グローバルに最適化されたワークフローを維持しつつ、各入力に対して選択された領域のみを置き換える。 パラメータトレーニングなしで、GRAFTはラベルなし実行品質信号を用いて地域レベルの代替品を評価する。 マッチングとエグゼクティブ設定の下では、GRAFTは最強のワークフロー最適化手法であるMASを平均3.85ポイント改善している。
• 参考スコア（独自算出の注目度）: 17.785389258797036
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in agentic workflow optimization automate workflow design through task-specific workflow search or input-conditioned architecture selection. However, they determine the workflow before execution and cannot adapt failed workflow regions using execution-time label-free quality signals. Naively enabling such inference-time adaptation through whole-workflow re-optimization would be computationally prohibitive. To tackle this challenge, we introduce GRAFT, which preserves a globally optimized workflow while locally replacing only selected regions for each input. Without parameter training, GRAFT evaluates region-level alternatives using label-free execution-quality signals and accepts only replacements that improve local quality while preserving workflow-level consistency, thereby enabling instance-wise adaptation without whole-workflow re-optimization. GRAFT applies without modification across a range of tasks spanning mathematical reasoning, code generation, and multi-hop and knowledge-intensive question answering. Under matched optimizer and executor settings, it improves over the strongest prior workflow-optimization method, MaAS, by 3.85 points on average. Replacing only the executor with a stronger model yields further gains without re-optimizing the global workflow. This suggests that an optimized workflow is not merely a static optimization artifact, but an adaptable execution policy that can evolve with inference-time feedback and stronger executors.
• Abstract（参考訳）: エージェントワークフロー最適化の最近の進歩は、タスク固有のワークフロー検索や入力条件アーキテクチャの選択を通じてワークフロー設計を自動化する。 しかし、実行前にワークフローを判断し、実行時ラベルなしの品質信号を使用して失敗したワークフロー領域を適応できない。 作業フロー全体の再最適化を通じて、そのような推論時間の適応を可能にすることは、計算的に禁止される。 この課題に対処するため、GRAFTを導入し、グローバルに最適化されたワークフローを維持しながら、各入力に対して選択された領域のみをローカルに置き換える。 パラメータトレーニングなしで、GRAFTはラベルのない実行品質の信号を使用してリージョンレベルの代替品を評価し、ワークフローレベルの一貫性を維持しながらローカル品質を改善するリプレースのみを受け入れる。 GRAFTは、数学的推論、コード生成、マルチホップおよび知識集約的な質問応答にまたがる様々なタスクを変更せずに適用する。 マッチしたオプティマイザとエグゼキュータ設定の下では、最強のワークフロー最適化メソッドであるMASよりも平均3.85ポイント改善されている。 より強力なモデルでエグゼキュータのみをリプレースすることで、グローバルワークフローを再最適化することなく、さらに利益を得ることができる。 これは、最適化されたワークフローは単なる静的な最適化アーティファクトではなく、推論時のフィードバックとより強力な実行子で進化できる適応可能な実行ポリシーであることを示している。

関連論文リスト

• FlowCompile: An Optimizing Compiler for Structured LLM Workflows [44.34248788469801]
  FlowCompileは、高品質で再利用可能なトレードオフセットを特定するためにコンパイル時の設計スペース探索を実行する構造化LLMコンパイラである。 実験によると、FlowCompileは最適化されたワークフロー構成とルーティングベースのベースラインを一貫して上回り、最大6.4倍のスピードアップを提供する。
  論文  参考訳（メタデータ） (2026-05-13T15:06:36Z)
• 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)
• AdaptFlow: Adaptive Workflow Optimization via Meta-Learning [31.322983791187646]
  AdaptFlowは、モデルに依存しないメタラーニングにインスパイアされた自然言語ベースのメタラーニングフレームワークである。 素早いサブタスクレベルの適応を可能にする一般的なワークフローを学習する。 手作業で作成し、ベースラインを自動的に検索することで、一貫してパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2025-08-11T14:52:59Z)
• Cognify: Supercharging Gen-AI Workflows With Hierarchical Autotuning [6.328780056857816]
  複数のMLモデルコール、ツール/APIコール、データ検索、ジェネリックコード実行を含むgen-AIは、しばしばアドホックな方法で手動でチューニングされる。 AdaSeekは、ユーザが指定した全検索予算に基づいて、ワークフローチューニング方法を異なるレイヤに整理する。 Cognifyはワークフローの生成品質を最大2.8倍に改善し、実行費用を最大10倍に削減し、エンドツーエンドのレイテンシを2.7倍に削減する。
  論文  参考訳（メタデータ） (2025-02-12T01:36:27Z)
• ScoreFlow: Mastering LLM Agent Workflows via Score-based Preference Optimization [51.280919773837645]
  エージェントワークフロー最適化のための高性能フレームワークであるScoreFlowを開発した。 ScoreFlowは、量的フィードバックを考慮に入れた直接選好最適化手法の新たな変種であるScore-DPOを組み込んでいる。 質問応答、コーディング、数学的推論を通じて、既存のベースラインよりも8.2%改善されている。
  論文  参考訳（メタデータ） (2025-02-06T18:47:49Z)
• 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)
• AFlow: Automating Agentic Workflow Generation [36.61172223528231]
  大規模言語モデル(LLM)は、様々な領域にわたる複雑なタスクを解く上で、顕著な可能性を示している。 我々は、Monte Carlo Tree Searchを使って、この空間を効率的に探索する自動化フレームワークであるAFlowを紹介します。 6つのベンチマークデータセットに対する実証的な評価は、AFlowの有効性を示し、最先端のベースラインよりも平均5.7%向上している。
  論文  参考訳（メタデータ） (2024-10-14T17:40:40Z)
• 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)
• ComfyGen: Prompt-Adaptive Workflows for Text-to-Image Generation [87.39861573270173]
  本稿では,各ユーザプロンプトに自動的にワークフローをカスタマイズすることを目的とする,プロンプト適応型ワークフロー生成の新しいタスクを紹介する。 本稿では,この課題に対処する2つの LLM ベースの手法を提案する。ユーザ・参照データから学習するチューニングベース手法と,既存のフローを選択するために LLM を使用するトレーニングフリー手法である。 本研究は,現場における既存研究の方向性を補完し,テキスト・画像生成の品質向上のための新たな経路を提供することを示す。
  論文  参考訳（メタデータ） (2024-10-02T16:43:24Z)
• FuzzyFlow: Leveraging Dataflow To Find and Squash Program Optimization Bugs [92.47146416628965]
  FuzzyFlowはプログラム最適化をテストするために設計されたフォールトローカライゼーションとテストケース抽出フレームワークである。 我々は、データフロープログラム表現を活用して、完全に再現可能なシステム状態と最適化のエリア・オブ・エフェクトをキャプチャする。 テスト時間を削減するため,テスト入力を最小限に抑えるアルゴリズムを設計し,再計算のためのメモリ交換を行う。
  論文  参考訳（メタデータ） (2023-06-28T13:00:17Z)

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。