FlowEvo：ワークフローと実行可能スキルの共進化による自己進化エージェント

要旨

大規模言語モデルエージェントは、推論時にワークフローを構築することで複雑なタスクに適応できるが、あるエピソードで発見された手順は通常、実行後に破棄される。既存のスキルライブラリは再利用可能な実行可能ルーチンを提供するが、通常はオフラインで構築され、エージェント自身のワークフローから成長することはない。我々は、ワークフローとスキルが推論時に共進化するトレーニング不要のフレームワークFlowEvoを提案する。FlowEvoは、成功したワークフローを呼び出し可能なスキルにコンパイルし、それらを永続的なバンクに保存し、取得したスキルを直接実行または新しいワークフロー構築のためのコンテキストとして使用する。また、各スキルの下流での有用性を追跡し、負の転移を引き起こすスキルを抑制する。共有のGPT-4o-miniバックボーンを用いて、FlowEvoはALFWorld、HumanEval、MBPP、GSM8K、MATH-500の完全な標準分割において、8つのベースラインの中で最高の精度を達成する。ALFWorldでは、最強のベースラインを26.4ポイント上回る85.6%に達し、使用トークン数はその約3分の1である。7Bから671Bパラメータにわたる10のベースモデルにおいて、FlowEvoは50のモデル・データセット比較のうち49でExpeLを上回る。コードは https://github.com/DEFENSE-SEU/FlowEvo で入手できる。

English

Large language model agents can adapt to complex tasks by constructing workflows at inference time, but procedures discovered in one episode are usually discarded after execution. Existing skill libraries provide reusable executable routines, but are typically assembled offline and do not grow from the agent's own workflows. We introduce FlowEvo, a training-free framework in which workflows and skills co-evolve at inference time. FlowEvo compiles successful workflows into callable skills, stores them in a persistent bank, and uses retrieved skills either through direct execution or as context for constructing new workflows. It also tracks each skill's downstream utility and suppresses skills that cause negative transfer. Using a shared GPT-4o-mini backbone, FlowEvo achieves the highest accuracy among 8 baselines on the full standard splits of ALFWorld, HumanEval, MBPP, GSM8K, and MATH-500. On ALFWorld, it reaches 85.6%, 26.4 points above the strongest baseline, while using roughly one third as many tokens. Across 10 base models spanning 7B to 671B parameters, FlowEvo outperforms ExpeL in 49 of 50 model-dataset comparisons. Code is available at https://github.com/DEFENSE-SEU/FlowEvo.