arXiv cs.AI· Qi Cheng, Shengyu Chen, Wei Cheng, Yiqun Xie, Haoyu Wang, Haifeng Chen, Xiaowei Jia·· 10 天前AI 评分25
RA-MoWE：用工作流亲和度嵌入做查询聚类与智能体工作流生成
RA-MoWE: Workflow-Affinity Embeddings for Query Clustering and Agentic Workflow Generation
AI 导读
RA-MoWE 通过工作流亲和度嵌入对查询聚类，并据此生成可复用的专家工作流，每个嵌入记录一组固定参考工作流对查询的解决效果。在覆盖数学、科学、编程四个 benchmark 的 300 条查询测试集上，其平均任务得分比在参考工作流中选择高出 4.04 个百分点，推理时语言模型调用次数减少 27.7%。嵌入编码器可直接从查询文本预测该嵌入，使新查询无需先执行参考工作流即可选定专家。
正文 · AI 翻译
摘要：智能体工作流使大型语言模型（LLM）能够通过协调推理、工具使用和验证来解决复杂任务。然而，针对整个任务集合优化的单一工作流可能会忽视各个查询所需的推理策略差异，而为每个查询搜索新工作流又会重复进行代价高昂的优化。为了解决这一权衡，我们提出了 RA-MoWE，一个利用工作流亲和度嵌入来对查询进行聚类并指导生成可复用专家工作流的框架。每个嵌入记录了固定的一组参考工作流解决某个查询的效果，从而揭示哪些推理策略有效的相似性。RA-MoWE 使用每个聚类的查询和平均嵌入，通过执行反馈来初始化和优化一个专门的工作流。嵌入编码器从查询文本预测这些嵌入，使新查询无需先执行参考工作流即可选择生成的专家。在来自数学、科学和编程四个基准的 300 个查询测试集上，RA-MoWE 相比在参考工作流中进行选择，平均任务得分提高了 4.04 个百分点，同时在推理时使用的语言模型调用次数减少了 27.7%。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.07851 [cs.AI] |
| （或 arXiv:2610.07851v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07851 arXiv 颁发的 DOI，通过 DataCite（待注册） |
提交历史
来自：Qi Cheng [查看电子邮件]
[v1]
2026年10月6日星期二 06:58:16 UTC（147 KB）
来源：arXiv cs.AI · arxiv.org