HyEvo: 効率的な推論のための自己進化型ハイブリッドエージェントワークフロー

要旨: エージェント型ワークフローは、複雑なタスクの解決に向けて強い潜在能力を示していますが、既存の自動生成手法は依然として非効率であり、事前定義された演算子ライブラリと同質のLLM専用ワークフローに依存し、すべてのタスクレベルの計算が確率推論を通じて実行されます。これらの制約に対処するため、異種原子合成を活用する自動ワークフロー生成フレームワーク HyEvo を提案します。HyEvo は、意味推論のための確率的 LLM ノードと、ルールベースの実行のための決定論的コードノードを統合し、LLM 推論から予測可能な操作をオフロードして推論コストと実行レイテンシを低減します。ハイブリッド探索空間を効率的に進むために、HyEvo は反映してから生成する機構を備えた LLM 主導のマルチアイランド進化戦略を採用し、実行フィードバックを介してワークフローのトポロジーとノードロジックを反復的に洗練します。包括的な実験により、HyEvo はさまざまな推論およびコーディングのベンチマークにおいて既存の手法を一貫して上回り、最先端のオープンソースベースラインと比較して、推論コストと実行レイテンシをそれぞれ最大19倍および16倍削減することが示されました。