用工作流来进化更好的工作流

arXiv 论文提出 FloWright，用工作流本身作为优化载体，通过分层、结构感知的奖励机制，让工作流中的一个角色自我进化、两个及以上角色协同进化，无需额外模型、标签或执行。同时提出 DataWright，将已有数据集转化为难度更高的 workflow 级任务。在文档、幻灯片、图表、代码、数学和金融任务上，小型开源模型性能最高提升 7.41%。

此前方法只训练 workflow 生成器，而构建和执行工作流的其他 agent 保持固定，但最终结果实际依赖所有 agent。该研究把训练范围从单一生成器扩展到多个耦合角色，并给出稀疏结果分数下区分各角色贡献的奖励设计。

多 agent 工作流的最终结果是一个稀疏总分，无法直接判断哪个 agent 导致失败，因此难以对生成器之外的 agent 训练。FloWright 借用工作流自身的层级结构构造结构感知奖励，使不同角色在不增加模型、标签和执行的前提下自我进化或共同进化；DataWright 则通过提高数据难度，把单 agent 就能完成的数据转成真正需要工作流的任务。

对构建多 agent 工作流的产品团队而言，这意味着可以把优化对象从单个提示或生成器，扩展到工作流中多个角色的协同调优，且不额外增加模型与标注成本。数据侧可通过难度硬化复用现有数据集，降低为 workflow 场景单独造数据的成本。

• 在多 agent 工作流产品中，把角色级奖励与工作流结构绑定，优先调优失败率最高的角色而非只调生成器。
• 用 DataWright 式难度硬化流程，把现有单 agent 评测集改造成 workflow 级任务，用于内部回归测试。
• 针对文档、幻灯片、图表等已报告提升的任务，先做小规模复现实验验证收益是否可迁移到自有业务。
• 评估将角色协同进化机制接入现有 agent 编排框架，观察是否需要改动调度与日志结构。

• FloWright 是否已在非 arXiv 的独立信源或实际生产环境中被复现和验证？
• 7.41% 提升所对应的基线模型、数据规模和评测口径具体是什么？
• DataWright 的难度硬化是否会改变任务语义或引入分布偏差？
• 该方法对闭源大模型或更大规模模型是否同样有效，证据未说明。