面向任务自适应自精炼流程的简化反思进化机制

arXiv:2609.32458v1 公告类型：新发布 摘要：反思式提示优化（reflective prompt optimization）无需更新模型权重即可改进大语言模型（LLM）系统，但固定的架构限制了自我改进（self-refinement）的组织方式。我们提出 Workflow-Designing Agents（WDA），这是一个用于任务自适应自我改进流程精简演化（streamlined reflective evolution）的框架。WDA 从最小化提示出发，联合演化各阶段指令及其顺序结构。在演化过程中，我们发现反复修订会导致冗余指令在单一提示中不断累积。为此，我们在 WDA 中提出 SPLIT 方法，将这些指令重新分配到专门的阶段中。三示例反思（three-example reflection）与局部筛选（local screening）引导选择性搜索，校准分数（calibration scores）则指导 Pareto 准入及对无益尾部更新的回滚。由此生成的流程具有任务自适应性：其指令与深度从任务数据中学习得到，随后在该任务的所有测试输入上固定不变。我们在五个 benchmark 上评估 WDA，涵盖知识、数学推理、多跳问答（multi-hop question answering）与指令遵循（instruction following）。在 Qwen3.5-9B 上，WDA 取得 51.24% 的平均分数，较初始求解器提升 8.63 个百分点，较不含 SPLIT 的变体提升 2.60 个百分点。在 GPT-4.1-mini 上，WDA 取得 49.00%，相应提升分别为 5.62 和 3.69 个百分点。这些结果支持将任务自适应自我改进作为更广义的 agentic 工作流搜索（agentic workflow search）的一个互补方向。