o1蒙特卡洛树的风又吹到了Agentic上班流！

​AFlow 是一个用于智能生成和优化Agentic上班流的框架。它经常使用蒙特卡洛树搜查（Monte Carlo tree search）在代码示意的上班流空间中查找有效的上班流，用机器上班取代手动开发。在各种义务上都显示出逾越手工上班流的后劲，由MetaGPT开源。

AFLOW（以黄色突出显示）在一切六个基准测试中一直优于一切智能化上班流优化和手动设计的方法（IO、CoT、CoT SC、MedPrompt、MultiPersona、Self Refine、ADAS）

AFLOW在GSM8K上的树状迭代环节：突出显示了从初始轮次（第1轮）到体现最佳的上班流的门路，报告了每个节点的得分及其与前一个节点的修正。揭示两侧的紫色局部代表了本轮迭代中的重要揭示修正。

框架组件

FLOW的全体框架：经过设置一个由只要揭示参数灵敏的节点组成的搜查空间，给定的操作符汇合，以及示意边缘的代码，AFLOW在这个空间外口头基于MCTS的搜查。经过为上班流优化设计的MCTS变体，AFLOW迭代口头一个周期的软混合概率选用、基于LLM的裁减、口头评价和阅历反向流传，直抵到达最大迭代次数或满足收敛规范。

试验数据集

对六个数据集（HumanEval、MBPP、GSM8K、MATH、HotpotQA、DROP）启动了试验，并提供了它们的评价代码。

AGENTIC WORKFLOW GENERATION

本文转载自​ ​PaperAgent​ ​