​AFlow 是一个用于自动生成和优化Agentic工作流的框架。它使用蒙特卡洛树搜索（Monte Carlo tree search）在代码表示的工作流空间中查找有效的工作流，用机器工作取代手动开发。在各种任务上都显示出超越手工工作流的潜力，由MetaGPT开源。

AFLOW（以黄色突出显示）在所有六个基准测试中始终优于所有自动化工作流优化和手动设计的方法（IO、CoT、CoT SC、MedPrompt、MultiPersona、Self Refine、ADAS）

AFLOW在GSM8K上的树状迭代过程：突出显示了从初始轮次（第1轮）到表现最佳的工作流的路径，报告了每个节点的得分及其与前一个节点的修改。提示两侧的紫色部分代表了本轮迭代中的主要提示修改。

框架组件

FLOW的整体框架：通过设置一个由只有提示参数灵活的节点组成的搜索空间，给定的操作符集合，以及表示边缘的代码，AFLOW在这个空间内执行基于MCTS的搜索。通过为工作流优化设计的MCTS变体，AFLOW迭代执行一个周期的软混合概率选择、基于LLM的扩展、执行评估和经验反向传播，直到达到最大迭代次数或满足收敛标准。

实验数据集

对六个数据集（HumanEval、MBPP、GSM8K、MATH、HotpotQA、DROP）进行了实验，并提供了它们的评估代码。

AGENTIC WORKFLOW GENERATION

本文转载自​ ​PaperAgent​ ​